Debian-Med : Biologie moléculaire et génétique

Le projet Biopython est une association internationale de programmeurs d'outils libres en Python pour la bio-informatique.

C'est une collaboration décentralisée pour écrire des bibliothèques en Python et des programmes qui répondent aux besoins présents et futurs en bio-informatique.

BioSQUID est une bibliothèque de routines C pour l'analyse de séquence. Elle est livrée avec quelques petits programmes pour convertir, afficher quelques statistiques, manipuler, et effectuer d'autres tâches sur des fichiers de séquences.

BioSQUID s'est d'abord appelée SQUID, mais a été renommée dans Debian sur les conseils de son auteur, Sean Eddy.

Faites évoluer des biomorphes avec des algorithmes génétiques.

Bugsx est un programme qui affiche des biomorphes basés sur des représentations de séries de Fourier des fonctions sinus et cosinus, et qui vous permet de les manipuler à votre guise grâce à des algorithmes génétiques.

EMBOSS (European Molecular Biology Open Software Suite) est un nouvel ensemble de logiciels libres pour l'analyse de séquences spécialement écrits pour les besoins des biologistes moléculaires (comme chez EMBnet). Les logiciels se débrouillent avec des données dans divers formats et permettent même de télécharger des séquences depuis la Toile de manière transparente. De plus, comme ce paquet est livré avec des bibliothèques très fournies, c'est aussi une plate-forme permettant à d'autre scientifiques d'écrire et produire des logiciels dans le véritable esprit du libre. EMBOSS intègre aussi dans un ensemble cohérent des logiciels et des outils disponibles autrement. EMBOSS brise la tendance historique vers la marchandisation des logiciels d'analyse de séquence.

La suite EMBOSS

• fournit un ensemble complet de programmes d'analyse de séquence (une centaine) ;
• fournit des bibliothèques, AJAX et NUCLEUS ;
• intègre des paquets disponibles indépendamment ;
• encourage l'utilisation d'EMBOSS pour l'enseignement de l'analyse de séquence ;
• encourage les développeurs à utiliser les bibliothèques EMBOSS ailleurs ;
• fonctionne sur toutes les plates-formes Unix classiques, comme Linux, Digital Unix, Irix, Tru64Unix et Solaris.

Avec EMBOSS, vous trouverez plus de cent programmes, couvrant les domaines suivants :

• l'alignement de séquence ;
• l'interrogation rapide de banques de données avec des patrons de séquence ;
• l'identification de motifs protéiques et l'analyse de domaines ;
• l'analyse de motifs de séquences nucléotidiques, par exemple pour identifier des îlots CpG ou des répétitions ;
• l'analyse de l'utilisation des codons dans les petits génomes ;
• l'identification rapide de motifs dans des grands ensembles de séquences ;
• des outils pour présenter les résultats en vue d'une publication ;
• et bien plus...

Garlic a été écrit pour l'analyse des protéines membranaires. Il permet aussi de visualiser les autres protéines, ainsi que d'autres objets géométriques. Cette version de Garlic reconnaît le format PDB version 2.1. Garlic peut aussi être utilisé pour analyser des séquences protéiques.

Parmi ses fonctions :

• la position et l'épaisseur de la tranche sont visibles dans une petite fenêtre ;
• les liaisons atomiques et les atomes sont traités comme des objets indépendants pour l'affichage ;
• la couleur des atomes et des liaisons dépend de leur position. Cinq modes sont disponibles (comme pour la tranche) ;
• il est capable de représenter des images stéréographiques ;
• il est capable de représenter d'autres objets géométriques, comme une membrane ;
• l'information sur un atome est disponible en déplaçant le pointeur de la souris au-dessus. Pas besoin de clic, il suffit de déplacer le pointeur au-dessus !
• il est capable de charger plus d'une structure ;
• il est capable de représenter les diagrammes de Ramachandran, les roues hélicales, les diagrammes de Venn, les profils d'hydrophobicité, et les moments hydrophobes ;
• l'invite de commande est disponible au bas de la fenêtre principale. Un message d'erreur et une ligne de commande peuvent être affichés.

Mis au point par le TIGR, ce programme détecte les séquences codantes chez les bactéries et les archées.

Glimmer est un système pour découvrir des gènes dans l'ADN microbien, en particulier dans les génomes de bactéries et d'archées. Glimmer (Gene Locator and Interpolated Markov Modeler) utilise les modèles de Markov interpolés (IMM) pour identifier les séquences codantes et les distinguer de l'ADN non codant.

GROMACS est un paquet polyvalent pour faire de la dynamique moléculaire, comme la simulation d'équations newtoniennes du mouvement de systèmes de millions de particules.

Il a été créé en premier lieu pour les molécules biochimiques comme les protéines et les lipides qui ont beaucoup d'interactions covalentes compliquées, mais comme GROMACS est extrêmement rapide pour calculer les interactions non covalentes (qui souvent dominent les simulations), beaucoup de groupes l'utilisent aussi pour la recherche sur des systèmes non biologiques, comme les polymères.

GROMACS propose tous les algorithmes que vous attendez habituellement d'une implémentation de dynamique moléculaire moderne (voyez le guide de référence en ligne ou le manuel pour plus de détails), mais il y a aussi quelques fonctions qui le distinguent de ses compétiteurs.

HMMER est une implémentation des profils modèles de Markov cachés pour rechercher des séquences biologiques dans des banques de données en les interrogeant avec des alignements multiples de séquences.

À partir d'un alignement multiple de séquences, HMMER construit un modèle statistique appelé modèle de Markov caché, qui peut ensuite être utilisé pour interroger une banque de séquences afin de trouver plus d'homologues à la famille de séquences, et éventuellement les aligner.

ProtML est l'un des principaux programmes dans MOLPHY pour la production d'arbres phylogénétiques de séquence PROTéiques par la méthode du maximum de vraisemblance (Maximum Likelihood, ML). Parmi les autres programmes (écrits en C) :

• NucML : inférence d'arbre phylogénétiques de séquences nucléotidiques par la méthode du maximum de vraisemblance ;
• ProtST : quelques chiffres à propos d'une séquence protéique ;
• NucST : quelques chiffres à propos d'une séquence nucléotidique ;
• NJdist : Phylogénie neighbor joining à partir d'une matrice de distances.

Utilitaires écrits en Perl :

• mollist : récupère une liste d'identifiants ;
• molcat : concatène deux séquences ;
• molmerge : fusionne deux séquences ;
• rminsdel : enlève les insertions et les délétions ;
• molinfo : récupère les sites variants ;
• inl2mol : Interleaved -> MOLPHY ;
• mol2phy : MOLPHY -> Sequential ;
• must2mol : MUST -> MOLPHY etc.

Primer3 choisit des amorces pour des réactions de polymérisation en chaîne, avec les critères suivants :

• la température de fusion des oligonucléotides, leur taille, leur contenu en GC et la possibilité de former des dimères ;
• la taille du produit de PCR ;
• les contraintes positionnelles dans la séquence source ;
• diverses autres contraintes.

Tous ces critères peuvent êtres spécifiés comme des contraintes par l'utilisateur, et certains sont spécifiables comme les termes d'une fonction objective qui caractérise une paire idéale d'amorces.

R/qtl est un environnement interactif et extensible pour localiser des locus de caractères quantitatifs (QTLs en anglais) par des croisements. Il est disponible comme un paquet optionnel de la plate-forme statistique R (voir http://www.r-project.org/). Les utilisateurs pourront bénéficier d'une intégration sans effort des logiciels de localisation de QTLs dans un programme généraliste d'analyse statistique.

La version actuelle de R/qtl inclut des outils pour l'estimation de cartes génétiques, l'identification d'erreurs de génotypage, la recherche de QTLs simples par balayage du génome et la recherche de QTLs doubles par balayage bidimensionnel du génome, par localisation d'intervalles (avec un algorithme EM), régression d'Haley-Knott et imputation multiple. Tout ceci peut être fait en présence de covariants (comme le sexe, l'âge ou le traitement). L'ajustement de modèles de QTLs d'ordre plus élevé sera implémenté bientôt, ainsi que des techniques sophistiquées de comparaison et de recherche de modèles.

RasMol est un programme de représentation graphique créé pour la visualisation de protéines, d'acides nucléiques et de petites molécules. Ce programme vise à afficher, enseigner et générer des images de haute qualité pour la publication.

Les formats de fichiers reconnus actuellement sont entre autres celui de la banque de données de protéines de Brookhaven (PDB), Alchemy et Sybil Mol2 de Tripos, Mol de Molecular Design Limited (MDL) et XMol XYZ et CHARm du centre de calcul du Minesota (MSC).

La molécule chargée peut être représentée sous forme de fil de fer, de cylindres attachés par des bâtons (dreiding), de traçages de carbones alphas, de sphères remplissant l'espace, de rubans macromoléculaires (solides à l'ombre lissée ou tresses parallèles), de liaisons hydrogènes et de surfaces de points.

• L'environnement textopo est utilisé pour représenter les données sur la topologie des protéines membranaires dérivées de prédictions PHD, de la base de données SwissProt, ou de données entrées manuellement, contenant l'information sur la séquence et les domaines transmembranaires.
• L'environnement helical wheel dessine des domaines transmembranaires vus d'un côté ou de l'autre de la membrane cellulaire.

Wise2 est un paquet spécialisé dans la comparaison de biopolymères, en particulier l'ADN et les protéines. Beaucoup d'autres paquets ont des fonctions similaires, comme BLAST (du NCBI) ou Fasta (par Bill Pearson). D'autres encore, comme le paquet HMMER (Sean Eddy), ou le paquet SAM (Université de Californie Santa Cruz) se concentrent sur la modélisation des biopolymères par des automates de Markov à états cachés (abrégé HMM en anglais).

Le point fort de Wise2 est la comparaison de séquences d'ADN en tenant compte des peptides qui sont codés en elles. Ce type de comparaison permet la prédiction simultanée de la structure d'un gène avec l'alignement.

Wise2 contient aussi d'autres algorithmes, tel le vénérable algorithme de Smith et Waterman, de plus récents comme celui de Stephen Altschul généralisant les pénalités d'extension, ou même des algorithmes encore en phase de test comme dba. Le développement de ces algorithmes est aisé dans un environnement tel que celui de Wise2.

Wise2 a été écrit de manière à être réutilisable et maintenable. Bien qu'il soit écrit en pur langage C, on peut accéder à ses fonctionnalités via Perl. Des parties de ce paquet, voire le paquet entier, peuvent être utilisées par d'autres programmes en C ou en C++ sans risquer des collisions de noms de variables car chaque variable exportée est préfixée par un identifiant Wise2 unique.

Bioconductor est un logiciel libre à développement ouvert, pour fournir des outils pour l'analyse et la compréhension de données génomiques (bio-informatiques).

Le cœur de l'équipe de Bioconductor est principalement basé à l'unité de Biostatistiques de l'Institut Dana Farber de recherche sur le cancer, de l'école de médecine de Harvard / école de santé publique de Harvard. D'autres membres viennent de diverses institutions étasuniennes et internationales.

Les objectifs généraux du projet sont de :

• fournir l'accès à un grand nombre de méthodes statistiques et graphiques puissantes, pour l'analyse de données génomiques ;
• faciliter l'intégration des méta-données biologiques dans l'analyse des données expérimentales, par exemple données sur la littérature provenant de PubMed, annotations provenant de LocusLink ;
• permettre le développement de logiciels extensibles, échelonnables et interopérables ;
• promouvoir une documentation de qualité et une recherche reproductible ;
• permettre l'apprentissage des méthodes informatiques et statistiques pour l'analyse des données génomiques.

• JmolApplet est une applet pour navigateur web qui peut être insérée dans des pages web.
• L'application Jmol est une application Java indépendante qui est exécutée localement.
• JmolVieweer est une boîte à outils de développement qui peut être intégrée dans d'autres applications Java.

SMILE est un outil qui infère des motifs dans un ensemble de séquences, d'après certains critères. Il a d'abord été créé pour inférer des sites remarquables comme les sites de fixation sur une séquence d'ADN. À partir de la version 1.4, il permet d'inférer des motifs écrits dans tout alphabet, même dégénéré, pour tout type de séquences.

La spécificité de SMILE est de permettre de manipuler ce que l'on appelle des motifs structurés, qui sont des motifs associés par des contraintes de distance.

AutoDock est une suite logicielle pour l'analyse moléculaire de l'interaction entre un ligand et son récepteur.

Le programme AutoDock teste l'interaction d'un ligand avec un ensemble de grilles décrivant la protéine cible. AutoGrid pré-calcule ces grilles.

Cactus est un environnement libre de résolution de problèmes créé pour les chercheurs et les ingénieurs. Sa structure modulaire permet d'effectuer facilement du calcul parallèle avec plusieurs architectures et permet aussi le développement collaboratif de programmes par plusieurs groupes.

Cactus fournit un accès simple à beaucoup de programmes à la pointe du progrès développés par la communauté académique, comme la boîte à outils Globus Metacomputing, le système d'entrée-sortie parallèle de fichiers HDF5, la bibliothèque PETSc, le démêlage adaptatif d'enchevêtrements (adaptive mesh refinement), des interfaces web et des outils avancés pour la visualisation.

DIALIGN-T est un outil en ligne de commande pour l'alignement multiple de séquences protéiques ou nucléiques. Dans cette version, l'approche par segments de DIALIGN 2.2 a été complètement revisitée, et les alignements produits sont meilleurs grâce à de nouvelles optimisations et heuristiques. Pour l'alignement par paires, DIALIGN-T utilise un algorithme de chaînage de fragments qui favorise les chaînes d'alignements locaux à faibles scores par rapport aux fragments isolés ayant de hauts scores. Pour les alignements multiples, DIALIGN-T utilise une procédure gloutonne qui est moins sensible aux fausses similarités locales. DIALIGN-T a été publié dans Amarendran R. Subramanian, Jan Weyer-Menkhoff, Michael Kaufmann, Burkhard Morgenstern: DIALIGN-T: An improved algorithm for segment-based multiple sequence alignment. BMC Bioinformatics 2005, 6:66.

DIALIGN-T est utilisé par dm_coffee, un mode spécial de t_coffee spécialement préparé pour Debian, dans lequel les programmes d'alignement non-libres ont été remplacés par des alternatives libres.

Le paquet est en cours de préparation.

Ce programme lit les données depuis un séquenceur ABI 3700, 3100, 377 ou 373, un CEQ 2000, ou un SCF, et les reconstruit sous forme d'une image de gel qui est redressée et redimensionnée. Des boîtes peuvent facilement être définies et visualisées comme des vignettes, ce qui donne un moyen assez rapide et facile d'évaluer un gel.

Ce programme est écrit en Java et utilise l'API 1.3. Ainsi, il devrait fonctionner sur toute machine pouvant exécuter Java.