Bases de données phénotypique et ontologie

1. Bases de données phénotypique et ontologie JAS PHASE 03/10/2013

2. Les bases de donnéesphénotypiques • Phénotype: état de caractères observables chez un organisme vivant. • Il est considéré soit : • pour un seul caractère, à l'échelle moléculaire, cellulaire, ou macroscopique (ex : morphologie des cellules) • comme l'ensemble des états des caractères observables d'un individu (phénome) (ex : phénotype Salers versus Bretonne pie noire) • Le phénotype est la résultante de l’expression du génotype et de l’influence de son environnement • (P = G + E)

3. Phénotypage haut-débit • Méthode de détermination de phénotypes mesurables de façon répétable, automatisable et rapide de sorte que le processus de mesure génère un grand nombre de données. • 2 composantes : • Le Phénotypagehorizontal, systématique • Le Phénotypage vertical ou ciblé

4. Types de phénotypages • Horizontal • Grand nombre d’animaux / peu de variables • Ex: poids des animaux dans une expérience • Vertical • Peu d’individus / beaucoup de variables • Ex: génomique, métabolomique

5. Les bases de données phénotypiques • De toutes sortes • Exemple: • BIF-Beef: base de données phénotypique de l’UMRH • Mesures carcasse (Horizontal) • Mesures biologiques (Vertical) • Aladin: SI ruminant • Gestion des troupeaux • Gestion de l’Alimentation • Gestion des expériences

6. Les bases de données phénotypiques • A quoi ressemble une « bonne » base? Information Méthode Mesure Conditions

7. Les bases de données phénotypiques • Problème: format des données / accès aux données • Nécessité pour une base d’avoir un format fixe et compatible avec d’autres bases Comment assurer ceci? • Utilisation des ontologies

8. Les ontologies • Définition: • Représentation formelle d'un ensemble de phénotypes, et des relations entre ces phénotypes • Les concepts et les relations dans une ontologie sont clairement définis • Les concepts sont organisés de manière structurée (souvent une structure hiérarchique) • Le sens d'un terme est utilisé de façon univoque • Les termes utilisés doivent être lisibles par des machines (permettant l’automatisation de la mesure ou de l’utilisation de l’information)

9. Les ontologies • Ontologies utilisées à l’INRA: • ATOL (Animal Trait Ontology for Livestock) • EOL (EnvironmentOntology for Livestock) • Site web du projet: • www.atol-ontology.com • Visualisation des ontologies • Téléchargement des ontologies (versioning)

10. Les ontologies • But du projet ATOL: • Disposer d’une ontologie de référence pour le phénotypage des animaux d’élevage et partagée par la communauté scientifique et enseignante internationale • Disposer d’un langage utilisable par les programmes informatiques (gestion des bases de données, analyse sémantique, modélisation…) • Avoir des caractères les plus génériques possibles pour les vertébrés d’élevage • Rendre l’ontologie la plus opérationnelle possible et proche des techniques de mesure • Structurer la base à des fins de production animale

11. Comment relier les 2 concepts • Chaque projet/structure a son propre modèle de données + Système applicatif • Les projets doivent suivre les règles définies par les ontologies • Plusieurs approches: • A posteriori: la conception du MCD précède la recherche ou la conception de l’ontologie partagée • A priori: l’ontologie est supposée existante lorsque la base de données est conçue • Directes: la structure de l’ontologie définit directement la structure de la base de données

12. Les bases de données à base ontologique (BDBO) • Ontologies et données sont stockées dans la BdD • Mêmes principes de traitement (insertion mises à jour, requêtes, …) • Association données – concept de l’ontologie • Ensemble multi-parties: BdD, ontologie, méta-schéma permet de rendre générique le traitement sur les ontologies Exemple: OntoDB

13. Le sparqlendpoint • La BdD est considérée comme un graphe RDF (Resource Description Framework ou « sujet – prédicat – objet »), à travers lequel on accède au contenu de la base • Entrepôt « virtuel »  vue sémantique de la base • Langage SPARQL: Simple Protocol and RDF Query language permet de consulter les données  Possibilité de rechercher des informations en partant de l’ontologie

14. Les entrepôts de données • Définition: • Ensemble de données historisées variant dans le temps, organisé par sujets, consolidé dans une base de données unique, géré dans un environnement de stockage particulier, aidant à la prise de décision • 3 fonctions essentielles • collecte de données de bases existantes et chargement • gestion des données dans l’entrepôt • analyse de données pour la prise de décision

15. Les entrepôts de données

16. Les entrepôts de données • Associés à la prise en compte des ontologies, ils permettent de rapprocher des bases au contenu et au format différents • Exemple concret possible • SI existants à l’UMRH différents • Bases de données différentes • Contenu différent • Interface différente  Similarités associables à un DWH

17. Travail à effectuer BdD + ontologie Les infos référentielles des bases de données sont indexées sur l’ontologie BDBO

18. Travail à effectuer BDBO BDBO + Passage dans un entrepôt de données DWH

19. Travail à effectuer Travail à effectuer DWH + R2D La base est transformée en shéma RDF, pour le web sémantique

20. Travail à effectuer Travail à effectuer + R2D Le schéma RDF est analysé en utilisant un langage de requête approprié (SPARQL)

21. Merci de votre attention