bases de donn es ph notypique et ontologie n.
Download
Skip this Video
Loading SlideShow in 5 Seconds..
Bases de données phénotypique et ontologie PowerPoint Presentation
Download Presentation
Bases de données phénotypique et ontologie

Loading in 2 Seconds...

play fullscreen
1 / 21

Bases de données phénotypique et ontologie - PowerPoint PPT Presentation


  • 79 Views
  • Uploaded on

Bases de données phénotypique et ontologie . JAS PHASE 03/10/2013. Les bases de données phénotypiques. Phénotype: état de caractères observables chez un organisme vivant. Il est considéré soit :

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

PowerPoint Slideshow about 'Bases de données phénotypique et ontologie' - sammy


Download Now An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript
les bases de donn es ph notypiques
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)
ph notypage haut d bit
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
types de ph notypage s
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
les bases de donn es ph notypiques1
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
les bases de donn es ph notypiques2
Les bases de données phénotypiques
  • A quoi ressemble une « bonne » base?

Information

Méthode

Mesure

Conditions

les bases de donn es ph notypiques3
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
les ontologies
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)
les ontologies1
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)
les ontologies2
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
comment relier les 2 concepts
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
les bases de donn es base ontologique bdbo
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

le sparql endpoint
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

les entrep ts de donn es
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
les entrep ts de donn es2
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

travail effectuer
Travail à effectuer

BdD

+

ontologie

Les infos référentielles des bases de données sont indexées sur l’ontologie

BDBO

travail effectuer1
Travail à effectuer

BDBO

BDBO

+

Passage dans un entrepôt de données

DWH

travail effectuer2
Travail à effectuer

Travail à effectuer

DWH

+

R2D

La base est transformée en shéma RDF, pour le web sémantique

travail effectuer3
Travail à effectuer

Travail à effectuer

+

R2D

Le schéma RDF est analysé en utilisant un langage de requête approprié (SPARQL)