Requête sur bases de données Blast

Version imprimable

27/01/2009, 09h35
jb59000

Requête sur bases de données Blast

Bonjour à tous,

Alors je vous expose mon problème:
Nous avons un service blast installé localement sur un serveur. Des tâches planifiées s'occupent de télécharger les dernières bases de données au format Fasta, elles sont automatiquement mises en forme, une fiche fasta va correspondra à ces fichiers ( .psq, .psi, .psd, .pni, .pnd et .pin).
Voilà pour situer le contexte.
Ce que je voudrais faire c'est récupérer une séquence dans ces bases de données grâce à son identifiant, par exemple avec un identifiant swissprot je récupère la séquence correspondante dans la "table" swissprot.

Est ce que l'outil BioPerl me permet de faire cela ?
Sinon comment faire pour lancer des requêtes sur ma base Blast.

Merci pour votre aide.
27/01/2009, 12h01
stoyak

Que veux-tu faire au juste?

Utiliser les bases téléchargées pour récupérer les séquences à partir d'un identifiant (ce qui revient à du parsing des fichiers de ta base locale) ?

Ou réaliser un alignement avec ta base locale et récupérer les séquences qui passent certains filtres (e-value, nombre de résidus, ...)?

Salut et bienvenue,

Blast n'est pas une base ou banque de données, mais un outil de recherche de similarités dans une base ou banque ;)

Sinon, quel est ton système d'exploitation?

A titre indicatif, j'ai ce pitit script qui me permet de récupérer une fiche de GenBank ou EMBL (que je préfère) :
Code:

1 2 3 4 5 6 7 8 9 10 11 #!/usr/bin/perl -w use Bio::DB::GenBank; use Bio::SeqIO; my $db = new Bio::DB::GenBank(); my $seq = $db->get_Seq_by_acc("NM_021964"); my $seqout = new Bio::SeqIO(-format => "genbank"); if (defined $seq) { $seqout->write_seq($seq); }
Donne un peu plus de détails pour qu'on puisse mieux t'aider (quel est le format de sortie souhaité, quel OS, quelles sont tes connaissances en Perl, etc.).

27/01/2009, 12h16
stoyak

Si tu souhaites récupérer des informations (séquence, locus, description) à partir d'un identifiant grâce à Genbank, je te conseille en effet Bio::DB::GenBank (module BioPerl).

Je te conseille l'article de Jasmine qui en explique tous les rouages!

Citation:

Cet article a pour vocation de vous expliquer comment extraire des informations dans la banque de données GenBank relatives à une séquence nucléique via un numéro d'accession, identifiant, en utilisant un module CPAN Perl (bioperl) nommé Bio :: DB :: GenBank.

Tu y trouveras à priori toutes les informations nécessaires!
27/01/2009, 16h54
jb59000

Merci pour vos réponses.

Je sais que Blast est un outil et non une base ^^ mais je me suis mal exprimé.
Nous téléchargeons de manière automatique les bases NCBI dans lesquelles nous souhaitons faire des comparaisons avec nos séquences. Elles sont alors au format Fasta zippé.
Un autre script automatique les met en forme pour créer notre base de données.
Blast est installé sur un serveur linux et se sert donc de cette base de données pour les comparaisons.
Grâce à un outil sur notre intranet nous pouvons par exemple lancer une comparaison entre l'une de nos séquences et l'ensemble d'une table. (un MPIBlast)

Parfois un utilisateur connaît l'identifiant de la séquence (dans la table swissprot par exemple) avec laquelle il voudrait comparer sa propre séquence.
Ce qu'il faudrait faire n'est pas un Blast entre sa séquence et chaque séquence de la table swissprot mais un blast 2 séquences entre la séquence de l'utilisateur et la séquence que l'on récuperait dans la base de données grâce à l'identifiant en question. Tout cela dans un but évident de gagner du temps.

Vu que l'outil est installé en local, avec les tables qui nous sont utiles. J'aurai voulu récupérer la séquence correspondante à l'identifiant et lancer un blast 2sequences. Je me demandais si BioPerl était capable d'interroger la base utilisée par Blast.

Ou si vous savez comment faire. Est-il possible en ligne de commande que blast me retourne la séquence correspondante ? Vu que si je fais un blastAll sur une de ses tables blast va les parcourir. N'est-il pas capable de me renvoyer une séquence?

J'ai quelques connaissances en perl sans être un expert et je viens de la programmation web et java, le domaine bioinformatique et tout nouveau pour moi. Je reprends le travail qui a été fait par une autre personne il y a quelques temps de cela et ce n'est pas évident de se plonger dedans.

Récupérer la séquence en interrogeant GenBank sera mon dernier recours car on m'a demandé de plutôt travailler avec ce qui exste déjà en interne.
28/01/2009, 09h19
Jasmine80

Citation:

Envoyé par jb59000

Parfois un utilisateur connaît l'identifiant de la séquence (dans la table swissprot par exemple) avec laquelle il voudrait comparer sa propre séquence.
Ce qu'il faudrait faire n'est pas un Blast entre sa séquence et chaque séquence de la table swissprot mais un blast 2 séquences entre la séquence de l'utilisateur et la séquence que l'on récuperait dans la base de données grâce à l'identifiant en question. Tout cela dans un but évident de gagner du temps.

Vu que l'outil est installé en local, avec les tables qui nous sont utiles. J'aurai voulu récupérer la séquence correspondante à l'identifiant et lancer un blast 2sequences. Je me demandais si BioPerl était capable d'interroger la base utilisée par Blast.

Ou si vous savez comment faire. Est-il possible en ligne de commande que blast me retourne la séquence correspondante ? Vu que si je fais un blastAll sur une de ses tables blast va les parcourir. N'est-il pas capable de me renvoyer une séquence?

Pour ce qui est de blaster 2 séquences, tu peux utiliser la fonction bl2seq de module StandAloneBlast

Citation:

Envoyé par jb59000

blast 2 séquences entre la séquence de l'utilisateur et la séquence que l'on récuperait dans la base de données grâce à l'identifiant en question.
...
Vu que si je fais un blastAll sur une de ses tables blast va les parcourir. N'est-il pas capable de me renvoyer une séquence?

Blast est prévu pour comparer une séquence à une base de données. Il peut te récupérer la séquence la plus proche de ta séquence cible. Pour ce qui est de récupérer une séquence dans une base de données via son identifiant, il faut utiliser GenBank.

Citation:

Envoyé par jb59000

J'aurai voulu récupérer la séquence correspondante à l'identifiant et lancer un blast 2sequences.

Si on travaille en ligne, c'est très facile via le module Genbank mais en local je ne sais pas comment faire. As-tu fait une recherche sur le CPAN?
28/01/2009, 10h07
jb59000

Citation:

Envoyé par Jasmine80

Si on travaille en ligne, c'est très facile via le module Genbank mais en local je ne sais pas comment faire. As-tu fait une recherche sur le CPAN?

Non c'est d'ailleurs une bonne idée, je vais chercher dessus si des modules peuvent me servir.

Le problème avec GenBank c'est que l'identifiant de la séquence recherchée n'est pas le même que dans ma base locale. Par exemple une séquence dans le fichier Canine2_probe_fasta est
">probe:Canine_2:Cfa.10075.1.A1_at:571:739; Interrogation_Position=110; Antisense;
GGCTCTTTCTGCACCAAAGCCAAGA" L'identifiant de cette séquence (que connaissent mes utilisateurs) est : Cfa.10075.1.A1_at:571:739. Alors que sous GenBank son identifiant sera du style AM117601.

Je pense que si je ne trouve pas de solutions dans les modules du CPAN je devrais développer moi même le module pour interroger ma base de données.
Je vous remercie pour vos réponses. Je vous tiens informé si je trouve quelque chose d'utile.
29/01/2009, 01h30
MaliciaR

Salut,

J'aime bien les lignes de commande et je fais certaines choses (par exemple, des BLAST ainsi). Il te faut donc un outil type console sous Linux ou un environnement Linux-like genre Cygwin sous Windows. Tu installes blastall et puis, tout baigne :D

Donc, voilà une proposition, elle vaut ce qu'elle vaut ;)

Citation:

Envoyé par jb59000

Un autre script automatique les met en forme pour créer notre base de données.
Blast est installé sur un serveur linux et se sert donc de cette base de données pour les comparaisons.

C'est donc lui qui attribue les N° d'accession spécifiques? Toujours selon la même nomenclature (je parle du Cfa.10075.1.A1_at:571:739 : il s'agit toujours de 3 lettres puis point puis un nombre à plusieurs chiffres, etc.)?

Citation:

Envoyé par jb59000

Ou si vous savez comment faire. Est-il possible en ligne de commande que blast me retourne la séquence correspondante ? Vu que si je fais un blastAll sur une de ses tables blast va les parcourir. N'est-il pas capable de me renvoyer une séquence?

Si j'ai un fichier avec plein de séquences au format fasta, je fais :

Code:

formatdb -i fichier_seq.fasta -p F -n fichierDB

Formatdb transforme un fichier de séquences nucléiques ou protéiques en une espèce de banque pour être interrogée par BLAST (ce sont les développeurs de BLAST qui ont fait cet outil ;) ). L'option -p F idnique que les séquences d'entrée sont des nucléotides. Pour les autres options : man formatdb devrait t'aider.
Je te donne cette ligne parce que souvent, j'extraie des séquences à partir d'un gros fichier et je les transforme en banque : je bosse sur telle bactérie, je ne vais pas m'amuser à perdre du temps à chercher dans une banque entière alors que je peux créer la mienne (sous-banque) contenant par exemple le génome entière de la bactos tartampion ou toutes les protéines régulatrices impliquées dans je ne sais quel processus.
Donc, au cas où...

Ensuite, je lance un BLAST sur cette banque :

Code:

blastall -p blastn -d fichierDB -i ma-sequence.fasta -a 2 -o blast_out.txt

Donc, tu spécifies que tu veux utiliser ta banque perso (fichierDB), mais tu peux aussi bien mettre une autre (si elle est en local). L'option -o doit toujours précéder le nom de ton fichier de sortie, sinon y veut pas :aie: Tu peux fixer la E-value minimum par l'option -e X (X étant un nombre, la valeur par défaut est 10.0).

Mais bon, admettons que tu as le numéro d'accession de la séquence d'intérêt : Cfa.10075.1.A1_at:571:739. On ne fait donc pas de recherche comme ce que je viens d'expliquer.
Tu veux utiliser bl2seq (qui est un outil de comparaison de 2 séquences nucléiques ou protéiques en utilisant l'algo blastn ou blastp respectivement) :

Code:

b2seq -p blastn -i seq1.fasta -j seq2.fasta -G 5 -E 1

Là, on compare deux séquences nucléiques. J'ai mis -G et -E comme ça me venait : il s'agit de la pénalité d'ouverture et d'extension de gap, respectivement. On peut spécifier plein de choses en plus : -A te permet d'avoir en input une séquence sous la forme d'un numéro d'accession, -M te permet de définir la matrice de substitution utiliée pour la comparaison de 2 séquences protéiques (BLOSUM62 par défaut), etc.
Ici, la sortie est STDOUT (à l'écran). Mais si tu veux stocker dans un fichier texte ou autre, ça peut se faire :)

Sinon, tu peux toujours utiliser le module Bio::AlignIO::bl2seq du CPAN.

J'espère que ça t'aide un peu. Et que je n'ai pas dit une ânerie quelque part (l'heure est avancée :aie: ).
29/01/2009, 10h02
Jasmine80

A ce que j'ai compris

Citation:

Ce que je voudrais faire c'est récupérer une séquence dans ces bases de données grâce à son identifiant, par exemple avec un identifiant swissprot je récupère la séquence correspondante dans la "table" swissprot.
...

Parfois un utilisateur connaît l'identifiant de la séquence (dans la table swissprot par exemple) avec laquelle il voudrait comparer sa propre séquence.
Ce qu'il faudrait faire n'est pas un Blast entre sa séquence et chaque séquence de la table swissprot mais un blast 2 séquences entre la séquence de l'utilisateur et la séquence que l'on récuperait dans la base de données grâce à l'identifiant en question. Tout cela dans un but évident de gagner du temps.

Il ne faut pas faire un blast de la séquence de l'utilisateur avec une (énorme) base de données de séquences mais faire un blast de cette séquence avec une autre bien précise. Dès lors, je ne vois pas l'intérêt d'utiliser blastall qui fera perdre du temps. Le plus efficaces serait (selon moi) de créer une DB classique genre MySQL, d'utiliser l'identifiant des séquences comme clé primaire et de créer un champ contenant les séquences.

Utilisateur entre un identifiant et une séquence.
Recherche dans la DB de la séquence correspondante (module DBI)
Utilisation de bl2seq qui fera un blast de la séquence de l'utilisateur versus celle récupérée de la DB.(et inutile d'utiliser blastall qui prendrait énormément de temps et ne donnerait peut-être pas le résultat voulu).
29/01/2009, 10h54
stoyak

Si ton but est de récupérer la séquence correspondant à un identifiant dans les fichiers de la base locale de ton BLAST, alors je suis d'accord avec Jasmine .... aucun intérêt de faire un blastall ou même un bl2seq.

L'idée de faire une base de données est bonne, surtout si tu fais des recherches régulières. Parse ton fichier local et insére tes données dans ta table.
Je te conseille même de faire un update de ta table à chaque mise à jour de tes bases BLAST.
02/02/2009, 11h28
jb59000

Bonjour à tous,

Merci pour vos réponses, j'ai discuté de ce point avec un collègue qui doit bosser avec moi sur ce projet et on a évoqué l'idée de créer une base SQL qui regrouperait les données qui nous intéressent, un champ identifiant et un champ pour la séquence. ç'est ennuyeux car ça duplique les données mais si on peut gagner en facilité et en vitesse c'est pas un mal.

Sinon nous avons trouvé des modules qui peuvent nous servir sur le cpan.

Je passe le post en résolu, merci pour le coup de main et bonne journée.
03/02/2009, 09h25
Jasmine80

Citation:

Envoyé par jb59000

Sinon nous avons trouvé des modules qui peuvent nous servir sur le cpan.

Par curiosité, quels modules allez-vous utiliser?
09/02/2009, 11h06
jb59000

Bonjour, en fait dans le package BioPerl il existe des modules permettant d'interroger des bases locales formatées pour être utilisées par blast.
Je devais regarder plus avant pour voir comment les paramétrer mais j'ai trouvé un moyen de faire plus simple:

Les bases ici sont créées à partir de fichier Fasta mis en forme par l'utilitaire formatdb. Il y a un autre utilitaire fastacmd qui permet d'interroger une base de donnée ainsi faite et de récupérer la séquence que l'on veut en fonction de son identifiant donc exactement ce que je voulais faire.
je vais donc travailler de cette manière plutôt que par les modules Perl car beaucoup plus simple à mettre en place.