Mise%20en%20relation%20de%20Medline%20avec%20Flybase%20par%20l

1
Mise en relation de Medline avec Flybase par
lidentification dans Medline des gènes décrits
dans Flybase et application à lextraction
dinformations sur les interactions génétiques ou
moléculaires à partir de publications
Le 28 mars 2002

• Ambroise Ingold (LIPN Université Paris 13)

2
Plan

• Motivations
• Identification des gènes dans Medline
• Extraction dinformation sur les interactions
• Interface de la base de données
• Perspectives

3
La circulation de linformation
Recherche
Données dexpériences
Publications
BdD Bibliographiques Medline
Banque de résultats dexpériences Swissprot,
Genbank
Encyclopédies en ligne Flybase
4
Investigation dans les BdD
Représentation des connaissances
GED, informatique documentaire
Indexation
BdD Bibliographique
Encyclopédies en ligne
Réf. Biblio.
Réf. rés. exp.
Réf. Biblio.
Réf. rés. exp.
Indexation
Banques de résultats dexpériences
Bio-informatique
5
Medline (exemple)

• MeSH Terms
• Amino Acid Sequence
• Animal
• Drosophila/genetics
• Drosophila/embryology
• Epitope Mapping
• Gene Expression
• Gene Expression Regulation, Developmental
• Genes, Insect
• Helix-Loop-Helix Motifs/genetics
• Immunohistochemistry
• In Situ Hybridization
• In Vitro
• Molecular Sequence Data
• Morphogenesis/genetics
• Sense Organs/embryology
• Support, Non-U.S. Gov't
• Gene Symbols
• da

Regulation of scute function by extramacrochaete
in vitro and in vivo. The pattern of adult
sensilla in Drosophila is established by the
dosage-sensitive interaction of two antagonistic
groups of genes. Sensilla development is promoted
by members of the achaete-scute complex and the
daughterless gene whereas it is suppressed by
whereas extramacrochaete (emc) and hairy. All
these genes encode helix-loop-helix proteins. The
products of the achaete-scute complex and
daughterless interact to form heterodimers able
to activate transcription. In this report, we
show that (1) extra-macrochaete forms
heterodimers with the achaete, scute, lethal of
scute and daughterless products (2)
extramacrochaete inhibits DNA-binding of Achaete,
Scute and Lethal of Scute/Daughterless
heterodimers and Daughterless homodimers and (3)
extramacrochaete inhibits transcription
activation by heterodimers in a yeast assay
system. In addition, we have studied the
expression patterns of scute in wild-type and
extramacrochaete mutant imaginal discs.
Expression of scute RNA during imaginal
development occurs in groups of cells, but high
levels of protein accumulate in the nuclei of
only a subset of the RNA-expressing cells. The
pattern is dynamic and results in a small number
of protein-containing cells that correspond to
sensillum precursors. extramacrochaete
loss-of-function alleles develop extra sensilla
and correspondingly display a larger number of
cells with scute protein. These cells appear to
arise from those that in the wild type already
express scute RNA hence, extramacrochaete is a
repressor of scute function whose action may take
place post-transcriptionally.
?
6
Exemple de lien de Flybase vers Medline

• Flybase (Gène Wg)
• Genetic analysis demonstrates that wg is
  dispensable for efficient homeotic gene
  expression in the visceral mesoderm. (Tremml and
  Bienz, 1989)

• Medline
• Tremml G, Bienz M. EMBO J 1989 Sep8(9)2687-93
• An essential role of even-skipped for homeotic
  gene expression in the Drosophila visceral
  mesoderm.

7
BdD bibliographiques vs BdD factuelles

• BdD bibliographique
• Redondantes, non-ordonnées
• À jour, détaillées
• Fidèles, nuancées, contextualisées

• BdD factuelles
• Organisées, calculables
• Parcellaires, incomplètes
• Simplificatrices, hors contexte

8
Exemple de couplage factuel/textuel

• Domaine dapplication
• Gènes
• Relations entre les gènes (interaction)

Identification des gènes
Medline
Flybase
Reconnaissance des interactions
BdD interactions
9
Argumentaire

• Pas dindexation des gènes dans Medline (ou très
  incomplète)
• Les références bibliographiques dans Flybase sont
  incomplètes
• Pas de BdD des interactions génétiques

10
Réalisation

• Système didentification des gènes
• Système dextraction dinformation sur les
  interactions

11
Première partie

• Identification des gènes

12
Identification des gènes (schéma)

• Grandes étapes

Medline
109 résumés
50 résumés
Dictionnaire des gènes
Flybase
Identification
Confrontation

• Modifications
• Manuelles
• Automatiques

Mise au point
Test
13
Identification des gènes (plan)

• Le dictionnaire des gènes issu de Flybase
• Méthode didentification des gènes
• Lamélioration du dictionnaire des gènes
• Les résultats

14
Le dictionnaire des gènes issu de Flybase

• Exemple de gène
• Nom complet wingless
• Symbole wg
• Synonymes Spd, spade, fg, flag, Sp,
  Sternopleural, Br, Bristled, int-1, Dint-1,
  Dm-1et l(2)wg
• Terminologie
• Label la chaîne de caractère
• Gène lentité biologique
• Définition la relation entre le gène et le
  label

15
Identification Indexation et interprétation des
labels

• Initially, eve expression in individual stripes
  is established by different regulatory elements,
  each of which responds to nonperiodic spatial
  cues provided, at least in part, by the gap genes

even skipped (eve)
stripes (str)
16
Élimination des sous-chaînes
Reconnaissance bloquée

• These results, along with the intermediate SOP
  phenotype observed in Suppressor of Hairless
  Hairless double mutant imaginal discs, suggest
  that the two genes act antagonistically to commit
  imaginal disc cells stably to alternative fates.

17
Algorithme dinterprétation des labels

• Interprétation confirmée
• Défaut de confirmation
• Interprétation multiple
• Interprétation simple

• Confirmation de linterprétation ?
• Ambiguïté du label?
• Plusieurs interprétations ?

Oui
Non
Oui
Non
Oui
Non
18
Confirmation des labels ambigus

• The different thoracic muscles of Drosophila are
  affected specifically in the mutants stripe
  (sr), erect wing (ewg), vertical wings (vtw), and
  nonjumper (nj). We have tested the extent of this
  specificity by means of a genetic analysis of
  these loci, multiple mutant combinations, and
  gene dosage experiments. The locus stripe
  seems to have a polar organization where
  different allelic combinations show quantitative
  specificity in the muscle affected.

 bande 
stripe (sr)
Interprétation confirmée
19
Confirmation des labels ambigus (algorithme)

• Confirmation de linterprétation ?

Oui

• Interprétation confirmée

20
Label ambigü non confirmé
We demonstrate that posterior stripe boundaries
are established by gap protein repressors unique
to each stripe h stripe 5 is repressed by the
giant (gt) protein on its posterior border and h
stripe 6 is repressed by the hunchback (hb)
protein on its posterior border.
 bande 
Défaut de confirmation
stripe (sr)
21
Défaut de confirmation des labels ambigus
(algorithme)

• Confirmation de linterprétation ?

Non

• Ambiguïté du label ?

• Défaut de confirmation

Oui
22
Interprétation multiple
Localization of the maternally synthesized nanos
(nos) RNA to the posterior pole of the Drosophila
embryo provides the source for a posterior-to-
anterior gradient of Nos protein. Correct spatial
regulation of nos activity is essential for
normal pattern formation.
nanos (nos)
Nitric oxide synthase (Nos)
Identification multiple
23
Interprétation multiple (algorithme)

• Confirmation de linterprétation ?
• Ambiguïté du label ?
• Plusieurs interprétations ?

Non
Non

• Interprétation multiple

Oui
24
Amélioration du dictionnaire des gènes

• Nettoyage des données
• Ajout de labels, de définitions et de gènes ou
  objet assimilé manquant
• Caractérisation de lambiguïté des labels

25
Performance (identification des gènes)

• 88 des identifications sont exactes.
• Le programme trouve 86 des identifications
  faite par lannotateur.

26
Améliorations possibles
Type derreur - T
Variation orthographique 35 59 12 26 47 45
Manque du dictionnaire 20 34 20 19
Label ambigu 18 39 18 17
Confusion entre entités 13 28 13 12
Divers 4 7 3 7 7 7
Total 59 100 46 100 105 100
27
Deuxième partie

• Reconnaissance des interactions

28
Grandes étapes (reconnaissance des interactions)
Phrases annotées manuellement
Liste dinteractions
Phrases
Phrases annotées automatiquement
Comparaison
Comparaison
Liste dinteractions
29
Calcul de lIVI
Phrase We conclude that Notch signalling
activity is directly responsible for the
accumulation of basic helix-loop- helix proteins
encoded by the Enhancer of split locus
Terme Positif Fréquence Spécificité
signalling 36 49 0,73
activity 36 66 0,55
directly 35 44 0,80
responsible 3 10 0,30
accumulation 8 10 0,80
proteins 65 127 0,51
encoded 8 22 0,36
locus 22 45 0,49
Moyenne Moyenne Moyenne 0.57
30
Extraction des interactions
Phrase We conclude that Notch signalling
activity is directly responsible for the
accumulation of basic helix-loop- helix proteins
encoded by the Enhancer of split locus
Notch
Enhancer of split
31
Performance de la reconnaissance des interactions
32
Comparaison 2G et nG
33
Troisième partie

• Interface de la base de données

34
Formulaire dannotation(graphiques synthétiques)
35
Formulaire dannotation(comparaison des
annotations)
36
Formulaire dannotation(autres informations)
37
Conclusion (Bilan)

• Le couplage factuel-textuel
• Identification des gènes Flybase dans Medline
• Confrontation encyclopédie/texte
• Méthode didentification automatique des gènes
• Étude usage
• Reconnaissance interactions
• Cooccurrence
• Indice de pertinence
• Simplicité, robustesse

38
Conclusion (perspective)

• Autres domaines dapplications
• Couplage avec des résultats dexpériences
• Interface Homme-Machine / Recherche documentaire