244
Toxicologie nucléaire environnementale et humaine
2.1.4. Traitement des données
On peut ensuite clustériser les gènes, c’est-à-dire regrouper des gènes ayant le
même profil d’expression selon la méthode d’Eisen (Eisen et al., 1998), en faisant
varier les conditions d’exposition au toxique (espèce chimique, concentration,
mode d’administration, durée d’exposition). Ce regroupement peut se faire comme
pour la phylogénie, qui consiste à comparer un critère de similitude (e.g. le ratio
de fluorescence) entre les gènes et à rassembler les profils les plus similaires.
Au final, on représente en général le clustering sous la forme d’une matrice (le
dendrogramme) où chaque colonne correspond à une expérience (Ej à En) et
chaque ligne correspond à un gène (cahier hors-texte couleurs, figure 5). On
représente les ratios grâce à une échelle de couleur, usuellement du vert (gènes
réprimés) au rouge (gènes induits). Le dendrogramme représente donc le degré de
similitude d’expression des gènes et met en évidence des familles de gènes à réactivité similaire. Les groupes A à E ainsi définis sur la figure 5 (cahier hors-texte
couleurs) peuvent livrer de précieuses informations sur le type de gènes mobilisés
simultanément dans des conditions expérimentales particulières.
2.1.5. Avantages et limites
des réponses d’un ° mCt ° °Iog'e est 9u’ehe permet d’obtenir une vision globale
nombreuses étiidpç0^11151116’ Un ^SSU °U
ceHules à un stimulus toxique. De
des réseaux interarff
qUe CeS rdPonses sont liées entre elles et forment
voies métaboliques *
de CÊS réseaux Permet d’identifier les principales
mode d’action de d fF ° 'egU ation aftectées par un toxique, voire de comparer le
ni tique de Pacdon
* de
Progress"r connaissance méca™phX Sx;:: : :,se en évidence des cibies’°u protéT
orienter tout en dim) .
।
/vo’ ces experiences in vitro permettent de les
cela ne peut nas remé™^11 3 Consommatlon d’animaux de laboratoire, même si
e peut pas representer ce qui se passe réellement in vivo dans l’organisme.
extrêmement imnormnt^rr11 génèle assez rapidement des quantités de données
lions issues des banques de
Slgnaux’ listes de gènes, clusters, annotaet intégrer avec une vk’
°nilees génétiques et protéiques) qu’il faut ordonner
mécanistique dans une
'° °g'^ue globale, de façon à en extraire le sens .
de mettre en évidence Per^Pecdve de toxicologie. En particulier, il est important j
de cartographier les inféra °nCtlOns connues des gènes et protéines associées et ,
que par assistance informatique8 P
protéines’ ce 9ui ne Peut être réallSe ?
d’intégration des données n
°UI Ce ^a're’ d existe des logiciels d’analyse et s
tifier les voies métaboliqu^ P^rmettent de relier les gènes incriminés et d’iden- j
s’appuient sur des banqueTd^u C ægL1'at'on cellulaires impliquées. Ces logiciels j
de données bioloeianes ni.ki'6 Onn^es Propriétaires issues de diverses banques »
sont enrichies de l’analvse n '^UeS
GO, GVK, EntrezGene, Expasy), qu' »
Ces logiciels sont notammfTr^A^6 'a ''ttérature par des chercheurs confirmés. -
nuity Pathways Knowledge Ra (r ID ^http://aPPslniaid.nih.gov/david/), W'
PathwayStudio, Systems R’
anter e/2008), Genomatix (Werner, 2008),
10 ogy Experiment Analysis Management System
9
Toxicologie nucléaire environnementale et humaine
2.1.4. Traitement des données
On peut ensuite clustériser les gènes, c’est-à-dire regrouper des gènes ayant le
même profil d’expression selon la méthode d’Eisen (Eisen et al., 1998), en faisant
varier les conditions d’exposition au toxique (espèce chimique, concentration,
mode d’administration, durée d’exposition). Ce regroupement peut se faire comme
pour la phylogénie, qui consiste à comparer un critère de similitude (e.g. le ratio
de fluorescence) entre les gènes et à rassembler les profils les plus similaires.
Au final, on représente en général le clustering sous la forme d’une matrice (le
dendrogramme) où chaque colonne correspond à une expérience (Ej à En) et
chaque ligne correspond à un gène (cahier hors-texte couleurs, figure 5). On
représente les ratios grâce à une échelle de couleur, usuellement du vert (gènes
réprimés) au rouge (gènes induits). Le dendrogramme représente donc le degré de
similitude d’expression des gènes et met en évidence des familles de gènes à réactivité similaire. Les groupes A à E ainsi définis sur la figure 5 (cahier hors-texte
couleurs) peuvent livrer de précieuses informations sur le type de gènes mobilisés
simultanément dans des conditions expérimentales particulières.
2.1.5. Avantages et limites
des réponses d’un ° mCt ° °Iog'e est 9u’ehe permet d’obtenir une vision globale
nombreuses étiidpç0^11151116’ Un ^SSU °U
ceHules à un stimulus toxique. De
des réseaux interarff
qUe CeS rdPonses sont liées entre elles et forment
voies métaboliques *
de CÊS réseaux Permet d’identifier les principales
mode d’action de d fF ° 'egU ation aftectées par un toxique, voire de comparer le
ni tique de Pacdon
* de
Progress"r connaissance méca™phX Sx;:: : :,se en évidence des cibies’°u protéT
orienter tout en dim) .
।
/vo’ ces experiences in vitro permettent de les
cela ne peut nas remé™^11 3 Consommatlon d’animaux de laboratoire, même si
e peut pas representer ce qui se passe réellement in vivo dans l’organisme.
extrêmement imnormnt^rr11 génèle assez rapidement des quantités de données
lions issues des banques de
Slgnaux’ listes de gènes, clusters, annotaet intégrer avec une vk’
°nilees génétiques et protéiques) qu’il faut ordonner
mécanistique dans une
'° °g'^ue globale, de façon à en extraire le sens .
de mettre en évidence Per^Pecdve de toxicologie. En particulier, il est important j
de cartographier les inféra °nCtlOns connues des gènes et protéines associées et ,
que par assistance informatique8 P
protéines’ ce 9ui ne Peut être réallSe ?
d’intégration des données n
°UI Ce ^a're’ d existe des logiciels d’analyse et s
tifier les voies métaboliqu^ P^rmettent de relier les gènes incriminés et d’iden- j
s’appuient sur des banqueTd^u C ægL1'at'on cellulaires impliquées. Ces logiciels j
de données bioloeianes ni.ki'6 Onn^es Propriétaires issues de diverses banques »
sont enrichies de l’analvse n '^UeS
GO, GVK, EntrezGene, Expasy), qu' »
Ces logiciels sont notammfTr^A^6 'a ''ttérature par des chercheurs confirmés. -
nuity Pathways Knowledge Ra (r ID ^http://aPPslniaid.nih.gov/david/), W'
PathwayStudio, Systems R’
anter e/2008), Genomatix (Werner, 2008),
10 ogy Experiment Analysis Management System
9