Méthodes à Noyau en Bio-Informatique: Le projet

Jean-Philippe Vert, Ecole des Mines de Paris

DEA Mathématiques, Vision et Apprentissage (ENS Cachan), 2e semestre, 2003/2004

Présentation

Le but est de détecter des signaux dans les séquences de protéines. Le prix nobel 1999 de médecine a été attribué à Günter Blobel pour la découverte de ces signaux (voir explication ici.

Ce projet sera réalisé par équipes de 2-4 étudiants. Vous avez totale liberté en terme de méthodes, de language de programmation. Vous pouvez même tenter de répondre à d'autres questions que celles qui sont posées. Au final, vous devez aboutir à un rapport d'une dizaine de page qui explique la méthode utilisée, son implémentation, et l'évaluation de sa performance.

Vous serez jugés sur l'originalité de l'approche, sa pertinence, sa mise en oeuvre.

Données

• Signal.txt : 1011 séquences avec le signal
• NoSignal.txt : 820 séquences sans signal
• FalseSignal.txt : 97 séquences sans signal

Questions

1. Faire de la classification binaire de séquences pour discriminer:
   1. Signal.txt vs NoSignal.txt
   2. Signal.txt vs FalseSignal.txt
   3. Signal.txt vs (NoSignal.txt + FalseSignal.txt)
2. Faire une méthode pour détecter automatiquement le site de clivage des séquences de Signal.txt
3. (optionnel) Combiner l'ensemble pour aboutir à un programme qui prend une séquence en entrée, prédit si il y a un signal, et si oui prédit le site de clivage.

Liens utiles

• Gist, un programme en C qui implémente les SVMs et d'autres choses. Avantage: il peut prendre en entrée une matrice de Gram, il fait la validation croisée tout seul.
• Pas mal d'informations sur les données, le problème

Références

• H Nielsen, J Engelbrecht, S Brunak, G von Heijne , "Identification of prokaryotic and eukaryotic signal peptides and prediction of their cleavage sites", Protein Eng. 10:1-6 (1997)
  [pdf,original pdf]
  (Une méthode possible par réseaux de neurones)
• H. Nielsen and A. Krogh, "Prediction of signal peptides and signal anchors by a hidden Markov model",Proceedings of ISMB 99
  [ps.gz,pdf]
  (Une autre méthode à base de chaînes de Markov cachées)
• H Nielsen, S Brunak, G von Heijne , "Machine learning approaches for the prediction of signal peptides and other protein sorting signals", Protein engineering 12(1):3-9 (1999)
  [pdf,original pdf]
  (Une review utile quelques solutions au problème posé)

Equipes

• Druhle - Chessel - Bessiere
• Izard (Orsay)
• Grimbert - Lefèvre - Benmansour
• Laurence Wastiaux - Jérémie Jakubowicz