Anthony HombiatRéunion PhyloAlps #1
20/02/2017
Participants
- Frédéric Boyer
- Eric Coissac
- Roland Douzet
- Anthony Hombiat
- Sébastien Lavergne
- Christophe Perrier
Considérations générales
- BD séquences ADN des plantes de l'arc Alpin
- Base de données pour la réduction du génome :
- Genome skimming
- RADseq : sélection aléatoire d'un sous ensemble du génome (reproductible)
- Capture d'exon : cible spécifiquement les protéines
- BD ouverte à tous les organismes experts du domaine
- Répertorie les plantes angiospermes et vasculaires
Au-delà du problème technique, problème politique : les instituts sont crispés sur leur données : il faut les valoriser via la BD, externaliser la responsabilité et rendre les jeux de données des différentes institutions modulaires pour pouvoir les gérer indépendamment.
Données disponibles dans BD existantes
- Herbier PhyloAlps (en cours de réalisation), QR code (référence espèce et séquence)
- Herbier du CBNA : conservatoire Botanique Nationaux (CBN Alpin à Briançon et CBN Méditerranéen)
- GBIF : Global Biodiversity Information Facility (occurrences, observations, /!\ couverture)
- Androsace : traits biologiques de référence pour les plantes Alpines (voir avec Julien pour la disponibilité des données)
- IFB : Institut Français pour la Bioinformatique
- FRB : Fondation pour la Recherche en Biodiversité
- BOLD : pas le génome complet (marqueurs taxonomiques, 2 gènes matK et rbcL)
- INSD : International Nucleotide Sequence Database Collaboration :
- UniProtKB (Swiss-Prot) utilise EMBL
- Phylota : browser pour les plantes
- FloraAlpina (version électronique ?)
- Tela Botanica : association de botanique de référence pour la botanique numérique
- Plant list (cf. Kew project : séquençage d'exons)
Interface de restitution
- Recherche génomique type sur la BD :
- Synonymie sur le référentiel taxonomique
- Entonnoir : Taxon > librairie > échantillon
- Pour chaque collection :
- Description
- Emprise fonctionnelle
- Emprise géographique
- Une page par taxon ? par biome ?
- TaxId
- Binôme genre-espèce et auteur (cf. Carl Von Linné)
- Photos et scans d'herbier (serveurs d'images ? modèle d'herbier numériques existants ?)
- Séquences d'ADN
- Aires de répartition
- Plotlist
- Traits biologiques
- Génome skimming
- Accès part d'herbier
- Silicathèque (conservation supérieure de l'ADN grâce à une sécheresse maximum)
- Localisation GPS (souplesse, pas obligatoire)
- Taxon coverage
- Lien vers GBIF France
- Critères remarquables
- Chaque échantillon est rattaché à
- une collection primaire
- 0 ou plusieur(s) collection(s) secondaire(s)
Qualité des données
- 2 types de données :
- Données pérennes (séquence, scan) -> entrées une fois pour toutes
- Données périssables (échantillons physiques) -> méthodes et outils pour la mise à jour
- Que faire des calculs longs qui s'exécutent alors que les données en entrée changent ?
- Modération, pas de modification directe de la BD
- Utilisateur identifié en tant que référent et garant :
- Qui ?
- Quel labo ?
- Référentiel mondial des noms d'auteur
- Utilisateur responsabilisé, rattaché à une collection
- batchs de soumission
- Modèle de qualité de la donnée multi-critères
- Confiance en l'auteur
- Avis subjectif de l'auteur
- Complétude des caractéristiques générales
- Complétude des caractéristiques génomiques
- Avis des utilisateurs
- Système d'annotations : cf. features table EMBL/GenBank doc (système de preuves "evidences")
- Issue tracking system (cf. Alain Viari, DR INRIA, bioinformaticien Herbs)
- Processus de validation de la données en plusieurs étapes
- Vérification syntactique et sémantique (automatique)
- Identification des outliers (semi-automatique)
- Elaboration de méthodes pour l'exploitation conjointe de référentiels taxonomiques hétérogènes :
- Suivi de versions
- Modifications en continu ?
- Nouvelle mouture tous les X mois ?