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
|
Identifiant |
Nom |
Longueur |
Séquence |
|
1 |
Aldostérone synthase |
1512 |
atggcactcagggcaaaggcaga... |
|
2 |
Enveloppe du VIH |
105 |
tgtacaagacccaacaacaacacaa... |
|
3 |
Insuline |
990 |
MALWMRLLPLLALLALWG... |
Exemple de table :
Exemple de tables :
Table gène
|
Identifiant |
Nom |
Longueur |
Séquence |
|
1 |
Aldostérone synthase |
1512 |
atggcactcagggcaaaggcaga... |
|
2 |
Enveloppe du VIH |
105 |
tgtacaagacccaacaacaacacaa... |
Table protéine
|
Identifiant |
Nom |
Longueur |
Séquence |
|
1 |
Insuline |
990 |
MALWMRLLPLLALLALWG... |
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
|
ID |
Etage |
Service |
|
1 |
1 |
Cardiologie |
|
2 |
1 |
Pneumologie |
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
|
ID |
Nom |
Code |
|
1 |
Cystéine |
C |
|
2 |
Alanine |
A |
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 :
|
ID |
Nom |
Séquence |
|
1 |
Aldostérone synthase |
atggcactca... |
|
2 |
Enveloppe du VIH |
tgtacaagaccc... |
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...
… et des informaticiens...
données en biologie ?
Comment définir le modèle de données ? On réunit des biologistes...
… 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... |
|
ID |
Nom |
Séquence |
|
1 |
Aldostérone synthase |
atggcactca... |
|
2 |
Enveloppe du VIH |
tgtacaagaccc... |
?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
|
Identifiant |
Nom |
Date de naissance |
Taille |
Poids |
Indice de masse corporelle |
|
1 |
LAMY |
18/06/1979 |
170 |
62 |
21,5 |
|
2 |
X |
25/03/1957 |
165 |
54 |
19,8 |
|
3 |
Y |
04/01/1982 |
180 |
90 |
27,8 |
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 ?
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
|
Identifiant |
Nom |
Date de naissance |
Taille |
Poids |
|
1 |
LAMY |
18/06/1979 |
170 |
62 |
|
2 |
X |
25/03/1957 |
165 |
54,5 |
|
3 |
Y |
04/01/1982 |
180 |
90 |
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 :
|
ID |
Service |
|
1 |
Cardiologie |
|
2 |
Pneumologie |
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 :
|
ID |
Nom |
Séquence |
ID espèce |
|
1 |
Aldostérone synthase |
atggcactca... |
1 |
|
2 |
Enveloppe du VIH |
tgtacaagaccc... |
1 |
|
3 |
BMP2 |
gtccgctaa... |
35 |
|
ID |
Nom |
Nom latin |
|
1 |
Homme |
Homosapiens |
|
2 |
Poisson zèbre |
Danio rerio |
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
|
|
Exemple (suite) :
CREATE TABLE habite (
ID_espece INTEGER NOT NULL,
|
ID espèce |
ID environnement |
|
1 |
1 |
|
1 |
2 |
|
2 |
2 |
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
|
ID |
Nom |
Date de naissance |
ID lit |
|
1 |
LAMY |
18/06/1979 |
2 |
|
2 |
X |
25/03/1957 |
51 |
|
3 |
Y |
04/01/1982 |
12 |
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.