Bases de données et outils bioinformatiques

Introduction

Enseignement :

 3 x 2h de cours

 3 x 4h de TP en 3 groupes

Contenu :

 Introduction

 Créer et remplir une base de données

 Faire des recherches dans une base de données (requêtes)

 Les grandes bases de données existantes en bioinformatique

Définitions

Donnée :

 Donnée = une valeur (avec ses unités, son nom,...)

 Ex : la glycémie de monsieur X est de 1,5g/l

Information :

 Information = donnée + sens

 C'est une donnée associée à  son interprétation

 Ex : la glycémie de monsieur X est de 1,5g/l, donc monsieur X est diabétique

Connaissance :

 Connaissance = information suffisamment générale pour être réutilisée dans un autre contexte

 Ex : si la glycémie est supérieure à  1g/l, le patient est diabétique  => s'applique à  monsieur X mais aussi aux autres patients

Informatique :

 Informatique = science du traitement automatique des données, afin de générer de l'information et de la connaissance

Définitions

Donnée, information ou connaissance ?

 Il fait froid dehors, le thermomètre indique -2°C !

 Ces raviolis doivent être cuits pendant 8 minutes

 L'ARN polymérase se fixe au niveau de la boîte

TATA

Définitions

Donnée, information ou connaissance ?

 Il fait froid dehors, le thermomètre indique -2°C ! => Information

 Ces raviolis doivent être cuits pendant 8 minutes

=> Donnée

 L'ARN polymérase se fixe au niveau de la boîte

TATA

=> Connaissance

Systèmes d'information

Système d'information :

 Système permettant de regrouper, classer et diffuser de l'information

 Objectif : donner la bonne information à  la bonne personne et au bon moment  Exemples :

 Gestion humaine

 Gestion documentaire

 Gestion d'un stock de marchandise

 Gestion des remboursements par la sécurité sociale

 ...

 Aujourd'hui de plus en plus des systèmes informatiques

 Mais pas nécessairement

 Ex : carnet de santé

Base de données

Base de données : données organisées et structurées de sorte à  pouvoir stocker et manipuler de grandes quantités de données

Les données sont organisées selon un modèle de données

 Ex : dans une base de données de gènes, chaque gène est structuré de la même manière, avec par exemple son nom, sa séquence, etc

Abréviation BD (database, DB en anglais)

Sur les schémas, les bases de données sont représentés par des cylindres

Base de données

Un système de gestion de base de données (SGBD) est un logiciel qui gère les données suivant un modèle précis, et s'occupe de les traduire en fichiers informatiques de manière optimale

 Gestion du réseau : bases de données accessibles via Internet,...

 Gestion de plusieurs utilisateurs simultanément

 Que se passe-t-il si deux utilisateurs veulent modifier la base de données au même moment ?

 Gestion des transactions

 Que se passe-t-il s'il y a une panne de courant juste au moment o๠un utilisateur modifiait la base de données ?

Il existe de nombreux logiciels de ce type

Attention ! Des logiciels comme Excel ne sont pas des bases de données mais des tableurs !

 Nombre de lignes limité à  65 000,...

 Mais plus de 150 000 000 de séquences biologiques (ADN, protéines,...) connues aujourd'hui !

Base de données relationnelle

Il existe plusieurs catégories de modèles de données

Le plus fréquent est celui des base de données relationnelles

 Il s'appuie sur l'algèbre relationnelle

Un modèle relationnel comprend :

 Des tables

 Ex : une table de gènes, une table de protéines, une table d'espèces,...

 Des relations entre ces tables

 Ex : la table " gène " est reliée à  la table " protéine " par une relation qui indique quel gène code quelle protéine

Base de données relationnelle

Une table :

 Un tableau avec des lignes et des colonnes

 Chaque ligne correspond à  un individu / un élément (un patient, un gène, une protéine,... on parle d'entités)

 Une table ne contient qu'un seul type d'individu / d'élément : que des patients, que des gènes,...

=> on nomme la table en fonction de ce que contiennent ses lignes : table des patients, table des gènes,...

 Chaque colonne correspond à  un attribut (ou propriété, caractéristique, champ,...) : l'à¢ge des patient, la séquence d'un gène,...

 Un attribut est associé à  un type de données :

L'à¢ge est un nombre entier

La séquence est du texte (" chaîne de caractère ")

...

Base de données relationnelle

Exemple de table :

Table Patient

Identifiant	Nom	Date de naissance	Taille	Poids
1	LAMY	18/06/1979	170	62
2	X	25/03/1957	165	54
3	Y	04/01/1982	180	90

Base de données relationnelle

Exemple de table :

Table

 Exemple de table :

 Exemple de tables :

Table gène

Table protéine

 Une relation :

 Relie deux tables entre elles  Relation 1-1 :

 on relie chaque élément de la première table à  un seul élément de la seconde

 on relie chaque élément de la seconde table à  un seul élément de la première

Table patient                                                                                                   Table lit

Identifiant

 Une relation :

 Relie deux tables entre elles  Relation 1-* :

 on relie chaque élément de la première table à  zéro, un ou plusieurs éléments de la seconde

 on relie chaque élément de la seconde table à  un seul élément de la première

Table espèce                                                                                              Table gène

 Une relation :

 Relie deux tables entre elles  Relation *-1 :

 on relie chaque élément de la première table à  un seul élément de la seconde

 on relie chaque élément de la seconde table à  un ou plusieurs éléments de la première

                          Table codon                                                                 Table acidé aminé

Séquence

 Une relation :

 Relie deux tables entre elles

 Relation *-* : on relie un ou plusieurs éléments de la première table à  un ou plusieurs éléments de la seconde

Table espèce                                                                         Table environnement

 Il est possible de relier une table avec elle-même !

 Il est possible de relier une table avec elle-même !  De quelle type de relation s'agit-il ?

 Il est possible de relier une table avec elle-même !

 Un système de gestion de base de données relationnelles (SGBDR) est SGBD qui gère des bases de données de type relationnel

 Quasiment tous les SGBDR partagent le même langage :

SQL (Structured Query Language)

 Créé en 1970 par E.F. Codd puis normalisé en 1986  Version 3 : 1999

 Les deux principaux SGBDR utilisés " en vrai " :

 Oracle

 TRES cher !

 A réserver aux bases de données TRES volumineuse

 MySQL

 Logiciel libre, gratuit

 Très utilisé sur Internet

 => On l'utilisera en TP

MySQL

 Logiciel en ligne de commande

 On tape des commandes qui sont des ordres donnés à  l'ordinateur

 Appuyer sur entrée pour valider les commandes

 Appuyer sur les flèches haut et bas pour remonter

l'historique des commandes et retrouver les commandes tapées précédemment

 Installation sous windows :  Inclut dans EasyPHP

Créer et remplir une base de données

Comment construire une base de données en biologie ?

 Deux étapes :

 1) définir le modèle de données :

 Définir les tables et les relations

 Les décrire en SQL

 Cette étape est délicate !

 Si le modèle n'est pas bon, on sera bloqué à  l'étape 2 !

Table espèce                                                                                              Table gène

Deux étapes :

 2) remplir la base de données selon le modèle défini :

 Cette étape peut être très longue selon la taille de la base de données !

Table espèce                                                                                              Table gène

Comment construire une base de données en biologie ?

 Comment définir le modèle de données ?

données en biologie ?

 Comment définir le modèle de données ?

 On réunit des biologistes...

données en biologie ?

 Comment définir le modèle de données ?  On réunit des biologistes...

 â€¦ et des informaticiens...

données en biologie ?

 Comment définir le modèle de données ?  On réunit des biologistes...

 â€¦ et des informaticiens... ...et...

données en biologie ?

 En biologie :

 Beaucoup d'exceptions !

 => Difficile de distinguer les relations 1-1, 1-* / *-1 et *-* !

 Les informaticiens ne peuvent pas le faire !  Exemple :

Table gène                                                                                               Table ARNm

ID	Nom	Séquence
1	Aldostérone synthase	auggcacuca...
2	Enveloppe du VIH	uguacaagaccc...

?_{est transcrit en} ?

Identifiant

Il est important de pouvoir identifier chaque ligne de chaque table de manière unique !

 Les noms font rarement de bons identifiants

 Si une ligne a été entrée en double par erreur, il faut pouvoir distinguer les 2 doublons !

Table environnement                                                          Table gène

 => on ajoute systématiquement un identifiant (=ID)

 Généralement numérique (1, 2, 3...)

 Parfois alphanumérique dans les grandes bases de bioinformatique

Lors de la définition du modèle de données, il faut éviter au maximum la redondance

 Chaque donnée ne doit être présente qu'à  un seul endroit

 Cela facilite les mises à  jour

Table personne

Il y a-t-il des redondances ?

Table gène

Il y a-t-il des redondances ?

Table gène

Identifiant	Nom	Longueur	Séquence
1	Aldostérone synthase	1512	atggcactcagggcaaaggcaga...
2	Enveloppe du VIH	105	tgtacaagacccaacaacaacacaa...

Il y a-t-il des redondances ?

Il y a-t-il des redondances ?

Il y a-t-il des redondances ?

Il y a-t-il des redondances ?

Créer une base de données

Un serveur MySQL peut gérer plusieurs bases de données

Pour créer une nouvelle base de données :

CREATE DATABASE nom_de_la_base;

Pour utiliser une base de données (nouvellement créée ou non) :

USE nom_de_la_base;

Pour supprimer une base de données :

DROP DATABASE nom_de_la_base;

 Attention, toute la base est perdue (modèle et données) !

Créer des tables en SQL

Pour créer une table :

CREATE TABLE nom_de_la_table ( nom_attribut_1  type_de_donnée, nom_attribut_2  type_de_donnée, nom_attribut_3  type_de_donnée,

...

);

Types de données

Les principaux types de données en SQL :

 INTEGER : nombre entier

 FLOAT : nombre à  virgule (" flottant ")

 CHAR(n) : chaîne de caractères de n caractères  VARCHAR(n) : chaîne de caractères de n                          caractères ou moins

 TEXT : chaîne de caractères sans limite de taille

 DATE : date (ex : 29/01/2010)

 TIME : heure (ex : 10 h 30, 14 secondes)

 TIMESTAMP : date + heure

Types de données

NOT NULL indique un attribut obligatoire

 Il n'est pas possible de laisser cet attribut vide UNIQUE indique que deux lignes ne peuvent pas avoir la même valeur pour cet attribut

AUTO_INCREMENT indique que la valeur de l'attribut est calculé automatiquement en augmentant de 1 par rapport aux lignes précédentes (à  utiliser pour les identifiants !)

PRIMARY KEY indique une " clef primaire " permettant d'optimiser les recherches ; c'est obligatoire pour les identifiants

Créer des tables en SQL

Exemple :

CREATE TABLE personne (

ID  INTEGER NOT NULL AUTO_INCREMENT

PRIMARY KEY,

nom  VARCHAR(255) NOT NULL, date_de_naissance  DATE, taille  INTEGER, poids  FLOAT);

Table personne

Et les relations ?

SQL ne permet pas de créer des relations en tant que telles !

Il faut donc ajouter des attributs correspondant aux relations

 Pour les relations 1-1 :

 On ajoute dans l'une des tables un attribut contenant l'identifiant de l'autre élément

Table patient                                                                                                   Table lit

 Pour les relations 1-1 :

ID	Nom	Date de naissance	ID lit
1	LAMY	18/06/1979	2
2	X	25/03/1957
3	Y	04/01/1982	1

 On ajoute dans l'une des tables un attribut contenant l'identifiant de l'autre élément

Table patient                                                                                                   Table lit

 Pour les relations 1-1 :

 On ajoute dans l'une des tables un attribut contenant l'identifiant de l'autre élément

Table patient                                                                                                   Table lit

 Pour les relations 1-* / *-1 :

 On ajoute dans la table dont chaque ligne est associée à  un seul élément, un attribut contenant l'identifiant de l'autre élément

 Astuce : il s'agit de la table du cà´té de l'étoile " * "

Table espèce                                                                                              Table gène

 Pour les relations 1-* / *-1 :

 On ajoute dans la table dont chaque ligne est associée à  un seul élément, un attribut contenant l'identifiant de l'autre élément

 Astuce : il s'agit de la table du cà´té de l'étoile " * "

Table espèce                                                                              Table gène

Et les relations ?

Pour les relations *-* :

 Il faut créer une nouvelle table qui assure la liaison

 Cette table contiendra une ligne par couple

Table espèce                                                                         Table environnement

Pour les relations *-* :

 Il faut créer une nouvelle table qui assure la liaison

 Cette table contiendra une ligne par couple

Exemple :

CREATE TABLE patient (

ID  INTEGER NOT NULL AUTO_INCREMENT PRIMARY KEY, nom  VARCHAR(255) NOT NULL, date_de_naissance  DATE, ID_lit INTEGER);

CREATE TABLE lit (

ID  INTEGER NOT NULL AUTO_INCREMENT PRIMARY KEY, service  VARCHAR(255));

                               Table patient                                                                                 Table lit

Exemple :

CREATE TABLE espece (

ID  INTEGER NOT NULL AUTO_INCREMENT PRIMARY KEY, nom  VARCHAR(255) NOT NULL, nom_latin  VARCHAR(255) NOT NULL);

CREATE TABLE environnement (

ID  INTEGER NOT NULL AUTO_INCREMENT PRIMARY KEY, nom  VARCHAR(255) NOT NULL);

                          Table espèce                                                         Table environnement

ID Nom Nom latin 1 Homme Homo sapiens 2 Poisson zèbre Danio rerio

ID Nom 1 Forêt tropicale 2 Mangrove

Exemple (suite) :

CREATE TABLE habite (

ID_espece  INTEGER NOT NULL,

ID_environnement  INTEGER NOT NULL);

Table habite

Supprimer une table

Pour supprimer une table : DROP TABLE nom_de_la_table;

Attention :

 Le modèle de la table est perdu !

 Toutes les données de la table sont perdues !

 Y compris les relations si elles étaient dans un attribut de la table

Insérer des lignes dans une table

Insertion d'une ligne dans une table :

INSERT INTO nom_de_la_table

VALUES (attribut_1, attribut_2, attribut_3,...);

Exemple :

INSERT INTO patient

VALUES (NULL, "LAMY", "1979-06-18", 2);

NULL => l'ID sera calculé automatiquement  Table patient

Attention aux guillemets pour les chaînes de caractères !

Modifier une table existante

Pour ajouter une colonne dans une table :

ALTER TABLE nom_de_la_table ADD nouvel_attribut type_de_données;

Pour supprimer une colonne :

ALTER TABLE nom_de_la_table DROP COLUMN attribut;

Exemple :

ALTER TABLE espèce

ADD menacé INTEGER;

Index

Pour optimiser les recherches dans la base de

données, il est possible de créer des index

CREATE INDEX nom_de_lindex

ON table(attribut_1, ...);

Exemple :

CREATE INDEX index_des_noms

ON patient(nom);

Il est possible d'indexer sur plusieurs attributs pour optimiser des recherches sur plusieurs critères :

CREATE INDEX index_2

ON patient(nom, prenom);

Exercice 1

On souhaite créer une base de données des différentes espèces d'orchidées (plus de 25 000 !) avec MySQL.

La base de données doit contenir des informations sur les espèces d'orchidées, les genres d'orchidées, et les milieux dans lesquels les orchidées poussent.

Pour chaque espèce d'orchidée, on souhaite pouvoir indiquer son nom, ainsi que les critères suivants utilisés pour les distinguer : couleur des fleurs, nombre d'étamine, présence de rhizome.

Les milieux peuvent être humides ou secs, ensoleillés ou non.

Quels sont les tables dont nous avons besoin ?

Quels sont leurs attributs ?

Quelles sont les relations entre les tables ?

à‰crire le code SQL permettant de créer la base de données.

Exercice 1

L'épipactis des marais est une orchidée du genre épipactis, de couleur pourpre, avec une étamine et un rhizome, qui pousse dans les marais (milieu humide peu ensoleillé)

à‰crire le code SQL permettant d'ajouter l'épipactis des marais dans la base de données

Exercice 2

Nous souhaitons construire une base de données pour un laboratoire d'analyses médicales. Ce laboratoire emploie plusieurs biologistes, qui effectuent des prélèvements chez des patients, et ensuite analysent ces prélèvements.

Les biologistes sont identifiés par leur nom et leur prénom, et les patients par leur nom, leur prénom et leur date de naissance.

Pour chaque analyse, la base doit indiquer le patient, le ou les biologistes, la date d'analyse, le nom de l'analyse et le résultat (sous forme de chiffre).

Quels sont les tables dont nous avons besoin ?

Quels sont leurs attributs ?

Quelles sont les relations entre les tables ?

à‰crire le code SQL permettant de créer la base de données.