Nous allons reproduire certaines analyses rapportées dans une étude du réseau d'interaction des protéines du virus d'Epstein-Bar avec certaines protéines de son hôte principal l'homme (Calderwood et al.). Le cible cellulaire principale du virus EBV est lymphocyte B humain.
Vous commencerez par "fourcher" et cloner ce repository.
Seul Jupyter avec la librarire networkx est requis.
Les libraries Pandas et request peuvent également être utilisées.
A l'exception des encarts du présent README prévus à cet effet, il vous est conseillé de réaliser le TP dans un notebook Jupyter que vous joindrez à ce répository git en fin de séance.
Les fiches UNIPROT des protéines étudiées dans la publication sont disponibles dans fichiers XML suivants:
data/Calderwood_EBV_proteome.xmldata/Calderwood_Human_proteome.xml
Nous allons devoir recupérer les données d'interactions étudiées dans la publication grâce au protocole PSICQUIC.
Ce protocole permet l'accès à distance à de nombreuses bases de données d'interactions protéine-protéine. Les interactions présentes dans ces bases de données sont obtenues par curation minutieuse de la littérature scientifique. Les interactions sont uniquement binaires (2 protéines) et toujours associées à la publication d'origine. D'autres informations peuvent également être rapportées. Le format standard de PSICQUIC, tabulé, est nommé MITAB. Les requêtes sont formulées aux bases de données à l'aide d'un protocole REST obéissant à la syntaxe MIQL
Pour ce TP nous utiliserons la bases de données Intact, dont le service PSICQUIC est accessible à l'URL: http://www.ebi.ac.uk/Tools/webservices/psicquic/intact/webservices/current/search.
Par exemple, les 100 premières interactions protéine-protéine humaines disponibles dans Intact sont accessibles via l'URL: http://www.ebi.ac.uk/Tools/webservices/psicquic/intact/webservices/current/search/query/species:human?firstResult=0&maxResults=100
| Numero de champ | Signification Biologique |
|---|---|
| 1 | |
| 2 | |
| 3 | |
| 4 | |
| 5 | |
| 6 |
Utiliser le PMID de la publication pour récuperer les lignes MITAB des interactions rapportées dans l'étude.
Une librairie pratique pour manipuler des requêtes HTTP est requests, eg:
import requests
url = "https://mmsb.cnrs.fr/equipe/mobi/"
try:
httpReq = requests.get(url, proxies=None)
except NameError:
httpReq = requests.get(url)
ans = httpReq.text
Vous disposez d'un code écrit par votre collègue pour extraire à partir d'un chaîne de caractères au format mitab les lignes concertant:
- Les interactions EBV-EBV
- Les interactions EBV-Humaine
Malheuresement, votre collègue a du partir en urgence. Vous devez comprendre et compléter son code pour mener à bien l'extraction des deux jeux d'interactions.
import re
def mitabReader(httpText):
for line in ans.split("\n"):
_ = line.split("\t")
if len(_) > 1 and _[0].startswith("uniprotkb:")\
and _[1].startswith("uniprotkb:"):
yield [ _[0].replace("uniprotkb:", ""),\
_[1].replace("uniprotkb:", "") ]\
+ _[2:]
def isMitab_EBV_EBV(mitabArray):
reEBV = "taxid:(1037[6-7]|82830)"
if re.search(reEBV, mitabArray[9]) and re.search(reEBV, mitabArray[10]):
return True
return False
def isMitab_Human_EBV(mitabLine):
# Je ferai ça plus tard
return False
EBV_EBV_mitab = []
EBV_Human_mitab = []
total = 0
for mitabArray in mitabReader(ans):
total += 1
if isMitab_EBV_EBV(mitabArray):
EBV_EBV_mitab.append(mitabArray)
elif isMitab_Human_EBV(mitabArray):
EBV_Human_mitab.append(mitabArray)
else :
raise ValueError("Je ne connais pas cette espece ==> ", mitabArray[9:11])
print(f"Nombre total d'interactions {total}, EBV-EBV {len(EBV_EBV_mitab)}")- Extraire les lignes MITAB impliquant uniquement des protéines d'EBV, quel est leur nombre ?
- Extraire les lignes MITAB impliquant des protéines humaines et des protéines d'EBV, quel est leur nombre ?
Combien de protéines humaines et virales sont respectivement dans les jeux d'interactions EBV-Human et EBV-EBV ?
- MITAB EBV/EBV
- MITAB EBV/Human
Chacun ne contetant que des interactants référés par un numéro d'accession UNIPROT
A l'aide des données MITAB et de la librarie networkx, représentez graphiquement un réseau dans lequel:
-
les noeuds sont des identifiants UNIPROT
-
les arêtes relient deux protéines en interaction
Les noms de gènes sont parfois plus parlants que des accesseurs UNIPROT. A l'aide du fichier ./data/Calderwood_EBV_proteome.xml créez une table de conversion entre accesseur UNIPROT et nom de gène.
Pour vous aidez dans cette tâche, vous disposez du "parser" XML suivant qui étant donné un numéro d'accession UNIPROT et un document XML retourne un dictionaire d'informations concernant cette protéine. Le code permettant d'extraire l'information du nom de gène à été supprimée lors d'un git push malencontreux, à vous de le completer avant utilisation.
from xml.etree.ElementTree import parse, dump, fromstring, register_namespace, ElementTree
# Utility functions
# Extracting All go terms relative to provided UNIPROT accessor
def goTerms(xmlEntry):
ns = '{http://uniprot.org/uniprot}'
goTerms = xmlEntry.findall(ns +'dbReference[@type="GO"]')
goTermList = []
for goT in goTerms:
gID = goT.attrib['id']
gName = goT.find(ns +'property[@type="term"]').attrib['value']
goTermList.append({"name" : gName, "ID" : gID})
return goTermList
# Return information about provided UNIPROT accessor as python dictionary
def proteinDict(uniprotID, root):
ns = '{http://uniprot.org/uniprot}'
data = { "accession" : uniprotID,
"geneName" : None,
"name" : None,
"GOterms" : None
}
for entry in root.findall(ns+'entry'):
accessions = entry.findall(ns+"accession")
for acc in accessions:
if acc.text == uniprotID: # entry is the node matching provided UNIPROT accessor
e = entry.find(f"{ns}protein/{ns}recommendedName/{ns}fullName")
if not e is None:
data["name"] = e.text
e = "OUPSS##!!!"
if not e is None:
data["geneName"] = e.text
data["GOterms"] = goTerms(entry)
return data
raise ValueError(f"{uniprotID} nor found in XML document")# Test
tree = parse('./data/Calderwood_Human_proteome.xml')
root = tree.getroot()
proteinDict("Q53Y88", root)Vous pouvez desormais dessiner le réseau dans lequel:
- les arêtes relient deux protéines en interaction
- les noeuds sont les noms des gènes correspondant aux protéines.
Pour perturber et détourner à son profit le fonctionnement du lymphocyte, le matériel protéique du virus va interagir préferentiellement avec certains processus cellulaires.
En suivant, la méthode précédente dessiner le réseau dans lequel:
- les arêtes relient une protéine humaine et une protéine virale en interaction.
- les noeuds sont les noms des gènes correspondant aux protéines.
- les noeuds des protéines virales et humaines sont dessinés différement.
Vous pouvez jouer sur la taille de la figure et la constante de ressort k du rendu spring_layout pour augmenter la lisibilité du graphique
Maintenant que vous avez pu visualiser le réseau des interactions physiques virus/homme, vous allez utiliser la ressource STRING pour visualiser les interactions entre les protéines humaines ciblées par le virus.
Comme décrit dans la publication, 173 interactions virus/homme ont été observées, impliquant 112 protéines humaines.
Aller sur le site de STRING, et afficher les interactions entre les 112 protéines humaies ciblées par le virus:
- Aller dans Search
- puis Multiple proteins
- charger le fichier human_proteins_unique.txt, en spécifiant l'organisme Homo Sapiens,
- valider les protéines identifiées par STRING (en cliquant sur Continue).
Par défaut, STRING affiche les interactions avec tous les canaux, a partir d'un indice de confiance 'moyen', c'est a dire supérieur a 0.4. Nous allons conserver ces paramètres par défaut.
Nous allons essayer d'exploiter ce réseau pour mettre en évidence les voies fonctionnelles ciblées par le virus.
Afin de simplifier l'analyse, éliminer les protéines non connectées au reste du réseau: Aller dans Settings, Advanced Settings, network display options: hide disconnected nodes in the network.
Que pouvez-vous dire de la structure de ce réseau ? Combien de 'modules' (= clusters) semble-t-il y avoir ?
Confirmez votre interprétation en vous aidant de l'outil de clustering de STRING. Uploadez une image du réseau coloré qui vous semble le mieux représenter sa structure interne.
Pour les deux clusters principaux, naviguez dans les annotations des protéines, et essayez de proposer des hypothèse quand au mécanisme d'action de EBV, en expliquant votre démarche.
(Toutes les hypothèses sont intéressantes si vous expliquez votre façon de faire).
Comment procéderiez-vous si vous deviez faire cette analyse de manière plus rigoureuse ?
Les noeuds du réseau d'interaction peut aussi être divisés en deux partitions, humaine et virale. Vous disposez, ci-dessous d'un exemple de rendu graphique "bipartite" sur deux selections arbitraires de noeuds. Essayez de l'adapter au problème de représentation graphique du réseau d'interaction EBV/Humain
import networkx as nx
plt.figure()
plt.axis('off')
G = nx.Graph()
G.add_edge("A", "C")
G.add_edge("B", "C")
X, Y = nx.bipartite.sets(G, ["A", "B"])
pos = nx.bipartite_layout(G, X)
nx.draw_networkx_nodes(G, pos, node_color="blue", node_shape="o",nodelist=["A", "B"] )
nx.draw_networkx_nodes(G, pos, node_color="red", node_shape="o",nodelist=["C"] )
nx.draw_networkx_labels(G,pos,font_weight=800,font_color='black')
nx.draw_networkx_edges(G, pos, width=0.5)Les paires connues de protéines humaines en interaction sont disponibles dans le fichier data/human_interactome_pair_uniprot.tab.gz.
- Construisez l'objet
networkx.Graphstockant ces interactions. - Dessinez l'histogramme multiple des distributions des degrés dans cet objet réseau pour les deux populations de protéines suivantes:
- Protéines humaines ciblées par EBV
- Protéines humaines totales
Qu'observez vous ?
Nous allons observés les termes GO présents dans les protéines humaines les plus ciblées par EBV
- Classer les noeuds, protéines humaines, par degré décroissant.
- Lister les termes GO des protéines les plus connectées
- Quels termes reviennent fréquemment?
- Connaissant l'organisation de l'ontologie GO, quelles suggestions pourriez vous faire afin d'augmenter la qualité de l'analyse?