EPGV Unité 1279_GAP - Inra
EPGV Unité 1279_GAP - Inra
EPGV Unité 1279_GAP - Inra
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Organisation, Gestion et Analyses<br />
des données de séquençage NGS<br />
<strong>EPGV</strong> Unité <strong>1279</strong>_<strong>GAP</strong><br />
1
Problématique<br />
• Beaucoup de données à gérer.<br />
• Besoin d’assurer un suivi de données :<br />
- de l’échantillon biologique –> au séquences nettoyées.<br />
• Automatiser au maximum pour éviter les erreurs<br />
• Accélérer le processus de traitement<br />
<strong>EPGV</strong> Unité <strong>1279</strong>_<strong>GAP</strong><br />
2
Suivi des données<br />
avant….<br />
• Nombreux fichiers excel<br />
• Gestion manuelle des données<br />
• Problème de recherche des informations dans des différents<br />
fichiers.<br />
• Risque d’erreur important.<br />
=> des Problèmes de suivi<br />
=> Mise en place d’un nouveau système.<br />
<strong>EPGV</strong> Unité <strong>1279</strong>_<strong>GAP</strong><br />
3
Schéma général de gestion de données<br />
Données<br />
provenant du<br />
CNG<br />
Stockage<br />
Traitement des<br />
séquences<br />
Quality cleaning<br />
Trimming<br />
Transfert client<br />
<strong>EPGV</strong> Unité <strong>1279</strong>_<strong>GAP</strong><br />
4
Suivi des données : informations<br />
importantes<br />
• Informations sur l’échantillon provenant du collaborateur<br />
• Informations sur les librairies préparées.<br />
• Suivi de la procédure de séquençage de l’échantillon.<br />
• Informations sur les séquences reçues.<br />
• Informations sur les paramètres du traitement de séquences.<br />
=> Stockage dans la base de données<br />
Information<br />
échantillons<br />
Etat de<br />
production<br />
Information<br />
séquences<br />
Opérations sur<br />
les séquences<br />
<strong>EPGV</strong> Unité <strong>1279</strong>_<strong>GAP</strong><br />
5
Stockage de l’information: base de données<br />
Paramètres et<br />
résultats des<br />
processus <strong>EPGV</strong><br />
Base de données<br />
<strong>EPGV</strong><br />
Suivi des données<br />
• Interaction entre LIMS CNG et base de données <strong>EPGV</strong><br />
Interrogation :<br />
suivi des<br />
données.<br />
<strong>EPGV</strong> Unité <strong>1279</strong>_<strong>GAP</strong><br />
6
Stockage de l’information:<br />
interface base de données<br />
<strong>EPGV</strong> Unité <strong>1279</strong>_<strong>GAP</strong><br />
7
Stockage de données:<br />
structure de l’espace de stockage<br />
Espace de<br />
Stockage <strong>EPGV</strong><br />
scripts<br />
Divers<br />
Versions<br />
Production<br />
Versions<br />
Développement<br />
data<br />
Projets<br />
454<br />
Espace jobs<br />
temporaire<br />
Génomes<br />
Divers<br />
Solexa<br />
analyses<br />
Projets<br />
Flowcell<br />
<strong>EPGV</strong> Unité <strong>1279</strong>_<strong>GAP</strong><br />
8
Traitement : Quality Cleaning<br />
• Calcul des stats ATGCN,<br />
Contrôle du format des<br />
séquences fastq<br />
• Génération des graphs<br />
de qualité.<br />
• Redondances:<br />
Séquences en single -> élimination des doublons du fichier<br />
Séquences en PE-> élimination des couples de doublons dans les<br />
fichiers read1 read2<br />
garde un couple par type de redondances avec le meilleur<br />
score phred dans les fichiers uniq_read1 uniq_read2<br />
garde les couples éliminés et le nombre de répétitions dans<br />
un fichier séparé<br />
<strong>EPGV</strong> Unité <strong>1279</strong>_<strong>GAP</strong><br />
9
Traitement : Trimming<br />
• Paramétres de trimming: valeurs utilisées<br />
• Score minimal autorisé par base 30<br />
• Score moyen autorisé du read sans la base étudiée 30<br />
• Taille minimale autorisée des reads après le nettoyage 30<br />
• Nombre de N maximum autorisé par read 0<br />
• Processus:<br />
• On coupe en 3’ , tant que le score Phred de base soit inférieur à la<br />
valeur paramétrée ou que la moyenne des scores du reste du read<br />
soit inférieure à la valeur paramétrée<br />
• Les reads trop courts sont éliminés en PE<br />
• On élimine les reads en PE contenant le nombre de N au-dessus de<br />
la limite autorisée<br />
• Conclusion : avec nos critères entre 5 et 20 % des séquences<br />
sont éliminées<br />
<strong>EPGV</strong> Unité <strong>1279</strong>_<strong>GAP</strong><br />
10
Transfert collaborateurs<br />
• Génération des reports<br />
• Transfert:<br />
- des données brutes<br />
- fichiers de redondances<br />
- fichiers de séquences uniques<br />
- fichiers de séquences trimmées<br />
- graphs de qualité<br />
- rapport général<br />
- résumé de processing<br />
<strong>EPGV</strong> Unité <strong>1279</strong>_<strong>GAP</strong><br />
11
Automatisation des étapes<br />
Stockage de données<br />
Processus automatisés<br />
Traçabilité, information<br />
Espace<br />
Réception<br />
séquences<br />
Espace de<br />
Stockage<br />
Espace<br />
d’Analyse<br />
Espace de<br />
Transfert client<br />
control<br />
renommage<br />
transfert<br />
QC/Cleaning<br />
transfert<br />
Database<br />
Logs<br />
<strong>EPGV</strong> Unité <strong>1279</strong>_<strong>GAP</strong><br />
12
Perspectives<br />
• Trimming : couper les premières bases en 5’ (souvent mauvaise<br />
qualité)<br />
• Trimming: garder les reads de bonne qualité actuellement<br />
éliminés dans les couples<br />
• Parallélisation des processus couteux en ressource.<br />
• Terminer l’automatisation des étapes de manipulation des<br />
données<br />
• Implantation d’une base de stockage des SNP (URGI) pour<br />
faciliter l’analyse des résultats<br />
<strong>EPGV</strong> Unité <strong>1279</strong>_<strong>GAP</strong><br />
13
Remerciements<br />
Toute l’équipe <strong>EPGV</strong>:<br />
Dominique Brunel, Marie-Christine LePaslier, Aurelie Berard, Aurelie<br />
Chauveau, Remi Bounon, Mathieu Charles, Philippe Millasseau,<br />
Maha Ponnaiah, Elodie Marquand (Bienvenue!!)<br />
Jean-Paul Hofmann<br />
équipe informatique CNG - Naira Naouar, Olivier Ardouin, Benoit<br />
Robert , Fernando Dos Santos<br />
<strong>EPGV</strong> Unité <strong>1279</strong>_<strong>GAP</strong><br />
14
<strong>EPGV</strong> Unité <strong>1279</strong>_<strong>GAP</strong><br />
15
Stockage de l’information:<br />
Base de Données <strong>EPGV</strong><br />
<strong>EPGV</strong> Unité <strong>1279</strong>_<strong>GAP</strong><br />
16
Réception et renommage des séquences<br />
• A la réception contrôle général de présence de fichiers<br />
dans répertoire de flowcell.<br />
• Séquence Illumina ont toutes le même nom donc pour<br />
éviter les erreurs : renommmage<br />
• Ex:<br />
- 70JFNAAXX/001/s_4_1_sequence.txt<br />
-> 70JFNAAXX_001_s_4_1_sequence.txt<br />
<strong>EPGV</strong> Unité <strong>1279</strong>_<strong>GAP</strong><br />
17