Bioinformatique : théorie et pratique

export PATH=$PATH:/home/olly/bin

ls -l permet d'avoir de plus amples informations concernant chacun des fichiers et répertoires.

ls -t permet de lister les fichiers dans l'ordre de leur création (ou modification)

ls -a permet de lister également les fichiers cachés

Il est bien sur possible de combiner ces options. Par exemple, ls -atl affiche le détail de tous les fichiers, et ce dans l'ordre chronologique de leur création.

ls -atl 

cp fichier1 rep1/

ln 

find . permet de lister l'ensemble des fichiers a partir du répertoire courant. find /home/olly -name "*.html" permet de lister l'ensemble des fichiers HTML a partir du répertoire /home/olly Il est également possible d'éxécuter une commande sur les fichiers trouvés par find, gràce à l'option --exec. Par exemple, pour afficher les fichiers contenant la chaine "TATTAA", on utilisera la commande suivante :

find . -name "*.seq" -print -exec grep TATTAA {} \;

RET permet d'avancer d'un eligne Espace permet d'avancer d'une page b permet de revenir une page en arrière / suivi d'une chaine de caractère permet de faire une recherche en cours. 'n' permet de chercher la prochaine occurence.

Les droits d'acces aux fichiers sont gérés sous Linux grace a deux commandes : chmod et chown. chmod permet de modifier les droits d'un fichier. Par exemple :

chmod +x fichier permet de rendre le fichier éxécutable (par tout le monde).

Pour changer son mot de passe, on utilisera la commande suivante : passswd

* Lister le contenu de l'archive ZIP

unzip -l archive.zip

Pour éxécuter une tache de manière régulière, et à des moments bien précis, il existe un "démon" Unix nommé cron. Celui-ci est commandé via une tables de taches à éxécuter, que l'on nomme crontab. La commande crontab permet de gérer les taches via le fichier crontab. * Lister le contenu de crontab

[olly@MPLPC18 public_html]$ crontab -l
# DO NOT EDIT THIS FILE - edit the master and reinstall.
# (/tmp/crontab.2474 installed on Thu Nov 29 00:10:10 2001)
# (Cron version -- $Id: crontab.c,v 2.13 1994/01/17 03:20:37 vixie Exp $)
0 0 * * * /home/olly/public_html/dailybackup.sh

[olly@MPLPC18 public_html]$ crontab -e

0 * * * * /home/olly/public_html/dailybackup.sh

0 0 * * * /home/olly/public_html/dailybackup.sh

0 0 * * * lftp -e "open machine.domaine.com; user login pass; lcd /var/httpd/htdocs;  cd public_html; mirror -Rev"

* lister les processus la commande ps permet de lister les processus. En tant qu'utilisateur, lister unqiuement ses propres processus se fait avec la commande ps xf.

mysql    17382  1253  0 08:08 ?        00:00:00 /usr/sbin/mysqld --basedir=/ --datadir=/var/l
mysql    17395  1253  0 08:11 ?        00:00:00 /usr/sbin/mysqld --basedir=/ --datadir=/var/l
mysql    17403  1253  0 08:11 ?        00:00:00 /usr/sbin/mysqld --basedir=/ --datadir=/var/l
olly     17762  1972  0 09:40 pts/2    00:00:05 emacs dtADDTREEn4.c
olly     27962  1321  0 10:28 ?        00:03:01 /usr/lib/netscape/netscape-communicator -sess
olly     27980 27962  0 10:28 ?        00:00:00 (dns helper)
mysql    28011  1253  0 10:39 ?        00:00:00 /usr/sbin/mysqld --basedir=/ --datadir=/var/l
mysql    28031  1253  0 10:45 ?        00:00:00 /usr/sbin/mysqld --basedir=/ --datadir=/var/l
mysql    28044  1253  0 10:47 ?        00:00:00 /usr/sbin/mysqld --basedir=/ --datadir=/var/l
olly     28694  1972  0 12:29 pts/2    00:00:08 lyx
olly     28779  1321  0 14:46 ?        00:00:00 /usr/X11R6/bin/rxvt.bin -T  RXVT (fr) -menu  
olly     28784 28779  0 14:46 pts/1    00:00:00 bash
postfix  29935   842  0 16:10 ?        00:00:00 pickup -l -t fifo
> ps auxf | grep mathieu | awk '{ print $2 }' | xargs kill -9

cat fichier1.txt fichier3.txt fichier3.txt  > fichier.txt 

wc -l fichier
wc fichier

5	100000		69787	15		100000		21095		105		32
6	100000		44029	105		100000		9860		945		183
7	100000		22280	945		100000		4029		10395		1240
8	100000		9592	10395		100000		1543		135135		9698
9	100000		4069	135135		100000		515		2027025		85820
10	100000		1471	2027025		100000		157		34459425	847047
11	100000		312	34459425	100000		34		654729075	9.22054e+06
12	100000		103	654729075	1000000		124		13749310575	1.09703e+08
13	100000		25	13749310575	1000000		29		316234143225	1.41597e+09
14	1000000		44	316234143225	10000000	74		7.90585e+12	1.97037e+10
15	10000000	142	7.90585e+12	10000000	13		2.13458e+14	2.9402e+11

awk '{ print $1, $3*$4/$2 }' numbers.txt 

awk '{ print $1 }' seqs.txt | sed -e 's/\,.*$//g'

Z73653,IGLV1-36  QSVLTQPPS.VSEAPRQRVTISCSGS SSNIGNNA.... VNWYQQLPGKAPKLLIY YDD....... LLPSGVS.DRFSGSK..SGTSASLAISGLQSEDEADYYC AAWDDSLNG...
M94116,IGLV1-40  QSVLTQPPS.VSGAPGQRVTISCTGS SSNIGAGYD... VHWYQQLPGTAPKLLIY GNS....... NRPSGVP.DRFSGSK..SGTSASLAITGLQAEDEADYYC QSYDSSLSG...
M94118,IGLV1-41  QSVLTQPPS.VSAAPGQKVTISCSGS SSDMGNYA.... VSWYQQLPGTAPKLLIY ENN....... KRPSGIP.DRFSGSK..SGTSATLGITGLWPEDEADYYC LAWDTSPRA...
Z73654,IGLV1-44  QSVLTQPPS.ASGTPGQRVTISCSGS SSNIGSNT.... VNWYQQLPGTAPKLLIY SNN....... QRPSGVP.DRFSGSK..SGTSASLAISGLQSEDEADYYC AAWDDSLNG...
Z73663,IGLV1-47  QSVLTQPPS.ASGTPGQRVTISCSGS SSNIGSNY.... VYWYQQLPGTAPKLLIY RNN....... QRPSGVP.DRFSGSK..SGTSASLAISGLRSEDEADYYC AAWDDSLSG...
M94112,IGLV1-50  QSVLTQPPS.VSGAPGQRVTISCTGS SSNIGAGYV... VHWYQQLPGTAPKLLIY GNS....... NRPSGVP.DQFSGSK..SGTSASLAITGLQSEDEADYYC KAWDNSLNA...

Exemple de session telnet: telnet machine1 exit c'est à dire éxécuter des commandes sur cette machine. Notons qu'il existe une alternative sécurisée à telnet. Il s'agit de ssh. Grace à SSH, il est possible de transferer des données de manière cryptée.

Examinons les différentes commandes disponibles: put get changer de répértoire sur la machine distante cd envoyer plusieurs fichiers sur la machine distante mput exemple mput *.php (upload tous les fichiers du répertoire courant possédant l'extension .php) mget lcd ls (dir) lcd permet de changer de répertoire sur la machine locale de l'utilisateur (à l'inverse de cd qui permet de faire cela sur la machine distante)

Si les transferts de fichiers sont fréquents, il peut être nécéssaire d'automatiser le processus d'identification, et également d'automatiser certaines tâches. Pour cela il suffit de créer un fichier .netrc dans le répertoire $HOME. Par exemple, le fichier .netrc suivant permet d'automatiser la phase d'identification :

machine nom.machine.fr login toto password tata

machine nom.machine.fr login toto password tata
macdef init
cd public_html

antibody engineering

"antibody engineering"

site:imgt.cines.fr "antibody engineering"

#!/usr/bin/perl -w


# basé sur un programmes de : 11apr2002 - matt@interconnected.org http://interconnected.org/home/

use strict;
use SOAP::Lite;

# Configuration
my $key   = "XXXXXXXXXXXXXXXXXXXXXXXXXXX"; # <-- PUT YOUR KEY HERE
my $query = $ARGV[0] || "google api"; # either type on the command line,
                                      # or it defaults to 'google api'

# Redefine how the default deserializer handles booleans.
# Workaround because the 1999 schema implementation incorrectly doesn't
# accept "true" and "false" for boolean values.
# See http://groups.yahoo.com/group/soaplite/message/895
*SOAP::XMLSchema1999::Deserializer::as_boolean =
    *SOAP::XMLSchemaSOAP1_1::Deserializer::as_boolean = 
    \&SOAP::XMLSchema2001::Deserializer::as_boolean;

# Initialise with local SOAP::Lite file
my $service = SOAP::Lite
    -> service('file:./GoogleSearch.wsdl');

my $result = $service
    -> doGoogleSearch(
                      $key,                               # key
                      $query,                             # search query
                      0,                                  # start results
                      10,                                  # max results
                      "false",                            # filter: boolean
                      "",                                 # restrict (string)
                      "false",                            # safeSearch: boolean
                      "",                                 # lr
                      "latin1",                           # ie
                      "latin1"                            # oe
                      );

# $result is hash of the return structure. Each result is an element in the
# array keyed by 'resultElements'. See the WSDL for more details. 
if(defined($result->{resultElements})) {

    my @results = @{$result->{resultElements}};
    my $res;
    foreach $res (@results) {
      print join "\n",
      "Found:",
      $res->{title},
      $res->{URL} . "\n"
    }
}

			wells r [au] AND 1996 [dp] AND J Biol Chem [ta]
		

Les programmes FASTA sont disponibles à l'adresse suivante. Exemple d'utilisation de FASTA : aligner une séquence au format FASTA contenue dans le fichier sequence.seq sur une banque de séquences contenue dans banque.seq. Voila la commande correspondante :

fasta sequence.seq banque.seq -A -a -Q -b1 -w 80 -E 10

Les expressions régulières du langage Perl peuvent permettre de trouver un motif particulier au sein d'une séquence donnée. Pour trouver des sites d'enzymes de restriction commes EcoRI (GAATTC) ou HindII (AAGCTT) :

# usage : ecori.pl < my.seq où my.seq contient seulement une séquence de nucléotides
  while ( <> ) {
     chomp;
     if ($_ =~ m/GAATTC/){
        print "Trouvé un site EcoRI site!\n";
        $sites++;
     }
   }
   print "Il y a $sites sites EcoRI dans la séquence.\n"

Autre exemple, trouver les sites de méthylation. Il s'agit de sites de la forme (Pu-C-X-G), soit dans l'ordre : une purine (A ou G), un C, n'importe quelle base, puis un G.

# usage : ecori.pl < my.seq où my.seq contient seulement une séquence de nucléotides
  while ( <> ) {
     chomp;
     if ($_ =~ /[GA]C.?G/){
        print "Trouvé un site de methylation!\n";
        $sites++;
     }
   }
   print "Il y a $sites sites de méthylation dans la séquence.\n"

use Tree::Trie;
use strict;

my($trie) = new Tree::Trie;
$trie->add(qw[aeode calliope clio erato euterpe melete melpomene mneme polymnia terpsichore thalia urania]);
my(@all) = $trie->lookup("");
my(@ms)  = $trie->lookup("m");
$" = "--";
print "All muses: @all\nMuses beginning with 'm': @ms\n";
my(@deleted) = $trie->remove(qw[calliope thalia doc]);
print "Deleted muses: @deleted\n";

- Parsing Protein Domains with Perl, par James Tisdall. Exemple d'utilisation de Perl pour la reconnaissance de domaines protéiques à partir de la banque PROSITE.

Le NetPhos WWW server , à base de réseau de neurones multi-couches, permet de détecter (prédire) les sites de phosphorylation serine, threonine, et tyrosine chez les protéines eucaryotes.

Splice Site Prediction by Neural Network

T A T A A T
- A T A C T
T A T A A A
C A G A A T
T G T A - T
T - A C G T
G C T A A T

A : 0 4 1 6 4 1
C : 1 1 0 1 1 0
G : 1 1 1 0 1 0
T : 4 0 5 0 0 6

ednadist iglc.phy stdout -method Kimura -matrix S -ttratio 2.0

Nucleic acid sequence Distance Matrix program
Kimura
    7
C1          0.0000  0.0540  0.0718  0.2162  0.1590  0.0541  0.0686
C2          0.0540  0.0000  0.0297  0.2128  0.1657  0.0469  0.0471
C3          0.0718  0.0297  0.0000  0.2051  0.1744  0.0576  0.0508
C4          0.2162  0.2128  0.2051  0.0000  0.2467  0.2012  0.1933
C5          0.1590  0.1657  0.1744  0.2467  0.0000  0.1542  0.1593
C6          0.0541  0.0469  0.0576  0.2012  0.1542  0.0000  0.0617
C7          0.0686  0.0471  0.0508  0.1933  0.1593  0.0617  0.0000

PHYLIP est une suite de programmes informatiques permettant de faire de la reconstruction phylogénétique, c'est-à-dire de retrouver l'arbre d'évolution d'une série de séquences nucléotidiques ou protéiques.PHYLIP est directement disponibles sur le web l'adresse http://evolution.genetics.washington.edu/phylip.html, ainsi que dans le package EMBOSS à l'adresse http://www.hgmp.mrc.ac.uk/Software/EMBOSS/ (sous forme de package EMBASSY, c'est-à-dire qu'ils ne sont pas astreint aux condition de licenses des autres programmes EMBOSS). La version EMBOSS est sensiblement plus simple à utiliser en ligne de commande, et peut plus facilement être intégrée dans des scripts ou programmes externes.

Il existe trois grands type de méthodes en reconstruction phylogénétique : les méthodes de parcimonie, les méthodes de distances, et les méthodes de vraisemblance. L'objectif des méthodes de parcimonie est de trouver l'arbre induisant le minimum d'évènements de mutations (substitutions) entre les séquences observées. Celui des méthodes de distances est de retrouver un arbre à partir d'une matrice de distances calculée à partir des séquences, et suivant un modèle de substitution déterminé. Enfin, l'objectif des méthodes de vraisemblances est de trouver l'arbre maximisant la probabilité d'observer les séquences étudiées. La plupart des programmes présent dans PHYLIP implémentent l'une ou l'autre de ces méthodes. Les plus utilisés sont les suivants :

Les algorithmes implémentés par ces programmes sont décrits de manière abordable dans le Chapitre 11 de Molecular Systematics (édité par Hillis et al, écrit par Swofford et al). Molecular Evolution and Phylogenetics (écrit par Nei et Kumar, 2000) est également un ouvrage de référence dans le domaine. Plus modestement, l'article publié dans TSI par Caraux et al nommé "Approches informatiques de la reconstruction d'arbres phylogénétiques à partir de données moléculaires" fournit néanmoins une bonne introduction aux algorithmes et stratégies utilisés en reconstruction phylogénétique.

Cela dépend de la méthode de reconstruction utilisée :

Si l'on utilise une méthode de parcimonie ou une méthode de vraisemblance, les étapes seront les suivantes : 1. aligner les séquences pour obtenir un fichier au format PHYLIP 2. construire un arbre à partir des séquences alignées 3. visualiser l'arbre

Si l'on utilise une méthode de distance, celles-ci seront : 1. aligner les séquences pour obtenir un fichier au format PHYLIP 2. construire une matrice de distances à partir des séquences nucléotidiques alignées 3. construire un arbre à partir de ces distances 4. visualiser l'arbre

        7       50
C1         GCCAACCCCA CGGTCACTCT GTTCCCGCCC TCCTGGAGCT CCAAGACAAG
C2         GCTGCCCCCT CGGTCACTCT GTTCCCGCCC TCCTGGAGCT TCAAGACAAG
C3         GCTGCCCCCT CGGTCACTCT GTTCCCACCC TCCTGGAGCT TCAAGACAAG
C4         GAGACACCTT CATCTCCTCT GACCCCAGAG GCAGGGAGCT CCAAGACAAG
C5         GCCACCCCCT TGGTCACTCT GTTC---CCC TCCTGGAGCT CCAAGACAAG
C6         GCTGCCCCAT CGGTCACTCT GTTCCCGCCC TCCTGGAGCT TCAAGACAAG
C7         GCTGCCCCCT CGGTCACTCT GTTCCCACCC TCCTGGAGCT TCAAGACAAG

           GCCACACTAG TGTGTCTGAT CAGTGACTTC TACCCGGGAG CCTTGGAAGG
           GCCACACTGG TGTGTCTCAT AAGTGACTTC TACCCGGGAG CCTTGGAAAG
           GCCACACTGG TGTGT-TCAT AAGTGACTTC TACCCGGGAG CCCTGGAAGG
           GCCACAATGG TGTGTCTCAT GAGTGACTTC TACCCGAGAG CCCTGGAAGA
           GCCATGCTGG TGTGTCTCAT AAATGACTTC TACCCAGGAG CCATAGAAGG
           GCCACACTGG TGTGCCTGAT CAGTGACTTC TACCCGGGAG CCCTGGAAGG
           GCCACACTGG TGTGTCTCGT AAGTGACTTC TACCCGGGAG CCCTGGAAGG

        7       50
C1         GCCAACCCCA CGGTCACTCT GTTCCCGCCC TCCTGGAGCT CCAAGACAAG GCCACACTAG TGTGTCTGAT CAGTGACTTC TACCCGGGAG CCTTGGAAGG
C2         GCTGCCCCCT CGGTCACTCT GTTCCCGCCC TCCTGGAGCT TCAAGACAAG GCCACACTGG TGTGTCTCAT AAGTGACTTC TACCCGGGAG CCTTGGAAAG
C3         GCTGCCCCCT CGGTCACTCT GTTCCCACCC TCCTGGAGCT TCAAGACAAG GCCACACTGG TGTGT-TCAT AAGTGACTTC TACCCGGGAG CCCTGGAAGG
C4         GAGACACCTT CATCTCCTCT GACCCCAGAG GCAGGGAGCT CCAAGACAAG GCCACAATGG TGTGTCTCAT GAGTGACTTC TACCCGAGAG CCCTGGAAGA
C5         GCCACCCCCT TGGTCACTCT GTTC---CCC TCCTGGAGCT CCAAGACAAG GCCATGCTGG TGTGTCTCAT AAATGACTTC TACCCAGGAG CCATAGAAGG
C6         GCTGCCCCAT CGGTCACTCT GTTCCCGCCC TCCTGGAGCT TCAAGACAAG GCCACACTGG TGTGCCTGAT CAGTGACTTC TACCCGGGAG CCCTGGAAGG
C7         GCTGCCCCCT CGGTCACTCT GTTCCCACCC TCCTGGAGCT TCAAGACAAG GCCACACTGG TGTGTCTCGT AAGTGACTTC TACCCGGGAG CCCTGGAAGG

$ clustalw iglc.seq

 CLUSTAL W (1.8) multiple sequence alignment

C1         GCCAACCCCACGGTCACTCTGTTCCCGCCCTCCTGGAGCTCCAAGACAAG
C2         GCTGCCCCCTCGGTCACTCTGTTCCCGCCCTCCTGGAGCTTCAAGACAAG
C3         GCTGCCCCCTCGGTCACTCTGTTCCCACCCTCCTGGAGCTTCAAGACAAG
C4         GAGACACCTTCATCTCCTCTGACCCCAGAGGCAGGGAGCTCCAAGACAAG
C5         GCCACCCCCTTGGTCACTCTGTTC---CCCTCCTGGAGCTCCAAGACAAG
C6         GCTGCCCCATCGGTCACTCTGTTCCCGCCCTCCTGGAGCTTCAAGACAAG
C7         GCTGCCCCCTCGGTCACTCTGTTCCCACCCTCCTGGAGCTTCAAGACAAG
           *     **        *****  *       *  ****** *********

C1         GCCACACTAGTGTGTCTGATCAGTGACTTCTACCCGGGAGCCTTGGAAGG
C2         GCCACACTGGTGTGTCTCATAAGTGACTTCTACCCGGGAGCCTTGGAAAG
C3         GCCACACTGGTGTGT-TCATAAGTGACTTCTACCCGGGAGCCCTGGAAGG
C4         GCCACAATGGTGTGTCTCATGAGTGACTTCTACCCGAGAGCCCTGGAAGA
C5         GCCATGCTGGTGTGTCTCATAAATGACTTCTACCCAGGAGCCATAGAAGG
C6         GCCACACTGGTGTGCCTGATCAGTGACTTCTACCCGGGAGCCCTGGAAGG
C7         GCCACACTGGTGTGTCTCGTAAGTGACTTCTACCCGGGAGCCCTGGAAGG
           ****   * *****  *  *   * **********        * ***

$ clustalw iglc.seq -output=phylip

$ readseq iglc.msf -format=phylip -output=iglc.phy

    7

C1          0.0000  0.0549  0.0703  0.2196  0.1673  0.0549  0.0701

C2          0.0549  0.0000  0.0286  0.2206  0.1742  0.0435  0.0507

C3          0.0703  0.0286  0.0000  0.2072  0.1834  0.0511  0.0508

C4          0.2196  0.2206  0.2072  0.0000  0.2498  0.1986  0.1975

C5          0.1673  0.1742  0.1834  0.2498  0.0000  0.1621  0.1656

C6          0.0549  0.0435  0.0511  0.1986  0.1621  0.0000  0.0587

C7          0.0701  0.0507  0.0508  0.1975  0.1656  0.0587  0.0000

$ dnadist
dnadist:  can't read infile
Please enter a new filename>

Nucleic acid sequence Distance Matrix program, version 3.573c

Settings for this run:
  D  Distance (Kimura, Jin/Nei, ML, J-C)?  Kimura 2-parameter
  T        Transition/transversion ratio?  2.0
  C   One category of substitution rates?  Yes
  L              Form of distance matrix?  Square
  M           Analyze multiple data sets?  No
  I          Input sequences interleaved?  Yes
  0   Terminal type (IBM PC, VT52, ANSI)?  ANSI
  1    Print out the data at start of run  No
  2  Print indications of progress of run  Yes

Are these settings correct? (type Y or letter for one to change)

$ mv outfile dists

$ neighbor
neighbor:  can't read infile
Please enter a new filename>

Neighbor-Joining/UPGMA method version 3.5

Settings for this run:
  N       Neighbor-joining or UPGMA tree?  Neighbor-joining
  O                        Outgroup root?  No, use as outgroup species  1
  L         Lower-triangular data matrix?  No
  R         Upper-triangular data matrix?  No
  S                        Subreplicates?  No
  J     Randomize input order of species?  No. Use input order
  M           Analyze multiple data sets?  No
  0   Terminal type (IBM PC, VT52, ANSI)?  ANSI
  1    Print out the data at start of run  No
  2  Print indications of progress of run  Yes
  3                        Print out tree  Yes
  4       Write out trees onto tree file?  Yes

Are these settings correct? (type Y or the letter for one to change)

(VR-V6:0.11682,VR-V8:0.06318,((VR-V1:0.06853,(VR-V2:0.01681,
VR-V4:0.03669):0.03887):0.00814,((VR-V3:0.01653,(VR-V5:0.02734,
VR-V5P:0.04446):0.00437):0.03987,VR-V7:0.06190):0.01172):0.00775);

$ drawtree

L'écran suivant s'affiche:

Which plotter or printer will the tree be drawn on?
(many other brands or models are compatible with these)

   type:       to choose one compatible with:

        L         Apple Laserwriter (with Postscript)
        M         MacDraw PICT format
        R         Rayshade 3D rendering program file
        J         Hewlett-Packard Laserjet
        K         TeKtronix 4010 graphics terminal
        H         Hewlett-Packard 7470 plotter
        D         DEC ReGIS graphics (VT240 terminal)
        B         Houston Instruments plotter
        E         Epson MX-80 dot-matrix printer
        C         Prowriter/Imagewriter dot-matrix printer
        O         Okidata dot-matrix printer
        T         Toshiba 24-pin dot-matrix printer
        P         PC Paintbrush monochrome PCX file format
        X         X Bitmap format
        F         FIG 2.0 format
        U         other: one you have inserted code for
 Choose one:

L'écran suivant s'affiche alors :

Which type of screen will it be previewed on?

   type:       to choose one compatible with:

        N         will not be previewed
        K         TeKtronix 4010 graphics terminal
        D         DEC ReGIS graphics (VT240 terminal)
        U         other: one you have inserted code for
 Choose one:

Here are the settings:

 (1)        Use branch lengths:  Yes
 (2)           Angle of labels:  Fixed angle of  0.0 degrees
 (3)          Rotation of tree:  90.0
 (4)     Angle of arc for tree:  360.0
 (5)   Iterate to improve tree:  Yes
 (6)    Scale of branch length:  Automatically rescaled
 (7)        Horizontal margins:  1.73 cm
 (7)          Vertical margins:  2.24 cm
 (8) Relative character height:  0.3333
 (9)       Enthusiasm constant:  0.11111
 (10)           Font          :  Hershey


 Do you want to accept these? (Yes or No)
 Type Y or N or the number (1-10) of the one to change:

Pour obtenir un arbre sans longueurs de branche, on tapera "1" puis "y" pour dessiner l'arbre. Pour obtenir un arbre avec longueurs de branche, on tapera directement  "y".

Le fichier Postscript obtenu se nomme plotfile . La prochaine étape consiste à visionner ce fichier, avec un visualisateur Postcript (xpsview, gv, ghostview, ...). Par exemple:

$ xpsview plotfile

sub fint_execPhylodendron {

    my ($filename, $title, $style, $tree) = @_;
    
    if (length($tree) < 4) {
	print "Arbre invalide ...\n";
	return 0;
    }
    
    $ua = new LWP::UserAgent;
    $ua->agent("AgentName/0.1 " . $ua->agent);
    
    # Create a request
    my $req = POST 'http://iubio.bio.indiana.edu/cgi-bin/treeprint.cgi',
    Content_type 	=> 'form-data',
    Content	  	=> [ 
			     'gTreeStyles=fStyle' 	=> "$style",
			     'TREEAPP_FILE_DATA' 	=> [''],
			     'TREEAPP_STRING_DATA' 	=> "$tree",
			     'TITLE'			=> "$title",
			     'TREEAPP_OUTPUT_FORMAT' => 'image/gif',
			     'TreeDoc.width'		=> '400',
			     'TreeDoc.height'	        => '400',
			     'linklabel'		=> 'true',
			     'TREEAPP_BASEURL'	=> 'http://iubio.bio.indiana.edu/.bin/genbankq.html',
			     'font.name'		=> 'Helvetica',
			     'font.style'		=> 'plain',
			     'font.size'		=> '8',
			     'gTreeStyles=fVertical' => 'false',
			     'gTreeStyles=useLengths'=> 'false',
			     'gTreeStyles=nodeposition' => '1'
			     ];
    
# DEBUG
    #print $req->as_string();
    #return 0;
    
# Pass request to the user agent and get a response back
    my $res = $ua->request($req);
    
# Check the outcome of the response
    if ($res->is_success) {
	#print $res->content;
	open(FILE, ">/tmp/$filename");
	print FILE $res->content;
	close FILE;
	return 1;
    } else {
	print "Problème de connexion ... \n";
	return 0;
	#print $res->content;
    }
    
}

L'algorithme d'apprentissage de cartes auto-organisatrices peut être résumé de la manière suivante :

1. Initialisation des vecteurs de poids

2. Présentation d'un vecteur de données (individu) à la couche d'entrée

3. Détermination du neurone "gagnant", c'est-à-dire le plus proche du vecteur de données

4. Modification des neurones voisins du gagnant, par descente de gradient

5. Retour à l'étape 2 jusqu'a ce qu'un critère d'arrêt soit atteint (nombre d'itérations, plus de changement d'affectation, etc)

L'implémentation ne nécessite pas de routines particulières, et peut tout a fait être réalisée en Perl, malgré ses faibles performances en terme de vitesse d'éxécution. Voici une implémentation de l'algorithme de Kohonen en Perl :

#!/usr/bin/perl

use Getopt::Long;

my $x_classes    = 5;
my $y_classes    = 5;
my $nb_iter      = 30;

my $num_indiv    = 0;
my $num_vars     = 0;

my $alpha0       = 0.1;
my $rad0         = 2.5;
my $radf         = 0.0;

# classes 5x5
my @neuron = ();

# données 
my @data    = ();

# distances
my @dist    = ();


# definit le style de sortie
my $output = 'html'; 
GetOptions ('output=s' => \$output,
	    'xdim=s'   => \$x_classes,
	    'ydim=s'   => \$y_classes,
	    'iter=s'   => \$nb_iter
	    );



# lit les données
my @values = ();             
while ($line = <STDIN>) {
    chomp $line;

    @values    = split(/[\t\s]+/, $line);
    my @indiv  = ();
    my $nb     = scalar @values;

    for (my $i=0; $i<$nb; $i++) {
	$indiv[$i] = $values[$i];
    }

    push(@data, \@indiv);
    $num_indiv++;
}


# evalue le nombre de cols
$num_vars = scalar(@{$data[0]});


# initialise les classes de manière aléatoire 
srand();
my @utilises = ();
for (my $i=0; $i<$x_classes; $i++) {
    for (my $j=0; $j<$y_classes; $j++) {
	
	# nombre aléatoire entre 0 et $num_indiv
	my $r = int(rand($num_indiv));
	
	while ($utilises[$r] == 1) {
	    $r = int(rand($num_indiv));
	}
	
	$utilises[$r]     = 1;

	my @neutmp = @{$data[$r]};
	$neuron[$i][$j]   = \@neutmp;
	
    }

    

}


for ($t=0; $t<$nb_iter; $t++) {

    for ($k=0; $k<$num_indiv; $k++) {
	
	$mindist = 100000.0;
	# pour chaque individu, determine le gagnant
	
	
	for ($i=0; $i<$x_classes; $i++) {
	    for ($j=0; $j<$y_classes; $j++) {

		$dist = distance($data[$k], $neuron[$i][$j]);
			    
		# distance neurone (indiv $neuron[$i][$j])  -> individu $k
		if ($dist < $mindist) {
		    $xwin    = $i;
		    $ywin    = $j;
		    $mindist = $dist;
		}
		    		
	    }
	}

	# maj les prototypes = rapproche de l'indiv k

	for (my $i=0; $i<$x_classes; $i++) {
	    for (my $j=0; $j<$y_classes; $j++) {
		
		$alp = alpha ($t, $nb_iter, $alpha0);
		$rad = radius($t, $nb_iter, $rad0, $radf);
		$dwi = distOnMap($i, $j, $xwin, $ywin);
		$hwi = neigh($dwi, $rad);
		

		for (my $l=0; $l<$num_vars; $l++) {

		    $neuron[$i][$j]->[$l] = $neuron[$i][$j]->[$l] + $alp * $hwi * ($data[$k]->[$l] - $neuron[$i][$j]->[$l]);
		 
		}
		
	    }
	}
    }




        
    
}




# initialise le tableau d'affectations
for ($i=0; $i<$x_classes; $i++) {
    for ($j=0; $j<$y_classes; $j++) {
	my @a_tmp = ();
	$affect[$i][$j] = \@a_tmp;
    }
}

# pour chaque individu, determine le gagnant
for ($k=0; $k<$num_indiv; $k++) {
        
    $mindist = 100000.0;
    # pour chaque individu, determine le gagnant
    
    for ($i=0; $i<$x_classes; $i++) {
	for ($j=0; $j<$y_classes; $j++) {
	    	    
	    $dist = distance($data[$k], $neuron[$i][$j]);
	
	    # distance neurone (indiv $neuron[$i][$j])  -> individu $k
	    
	    if ($dist < $mindist) {
		$xwin    = $i;
		$ywin    = $j;
		$mindist = $dist;
	    }
	    
	}
    }
    
    push(@{$affect[$xwin][$ywin]},  $k);
}




if ($output eq "html") {
   # fait peter le HTML !
    print "<table>\n";
    for (my $i=0; $i<$x_classes; $i++) {
	print "<tr>\n";
	for (my $j=0; $j<$y_classes; $j++) {
	    print "<td>\n";
	    $n = scalar @{$affect[$i][$j]};
	    for (my $k=0; $k<$n; $k++) {
		print $affect[$i][$j]->[$k] . "<br>"; 
	    }
	    print "</td>\n";
	    
	    
	}
	print "</tr>\n";
	
    }
    print "</table>\n";


} else {
 
    # affiche les prototypes
    for ($i=0; $i<$x_classes; $i++) {
	for ($j=0; $j<$y_classes; $j++) {
	    print(join " ", @{$neuron[$i][$j]});
	    print "\n";
	}
    }
    
}

# fonction alpha
sub alpha {
    my ($iter, $length, $alp0) = @_;
    
    return ($alp0 * ($length - $iter) / $length);
}


# fonction de rayon "Gaussian"
sub neigh {
    
    my ($d, $s) = @_;

    return (exp(- ($d * $d) / (2.0 * $s * $s)));

}

# fonction de diminution du rayon
sub radius {
    my ($iter, $length, $rad0, $radf) = @_;
    
    return ($radf + ($rad0 - $radf) * ($length - $iter) / $length);
}


# distance entre 2 individus (ou neurones)
sub distance {
    
    my ($ind1, $ind2) = @_;

    my $sum = 0.0;
    for (my $i=0; $i<scalar(@$ind1); $i++) {
	$sum += ($ind2->[$i] - $ind1->[$i]) * ($ind2->[$i] - $ind1->[$i]); 
    }

    return sqrt($sum);
    
}


# calcule une distance entre deux neurones sur la grille
sub distOnMap {
    
    my ($x1, $y1, $x2, $y2) = @_;
    
    return sqrt (($x2 - $x1) * ($x2 - $x1) + ($y2 - $y1) * ($y2 - $y1));
    
}

perl kohonen.pl --output=html --xdim=5 --ydim=5 --iter=10 < an50.txt

perl kohonorm.pl --output=html --xdim=5 --ydim=5 --iter=10 < an50.txt | perl pca.pl 3 | perl outgnu.pl 5 5 > data3d.txt && gnuplot plot.plt > kohonen.png

$x = $ARGV[0];
$y = $ARGV[1];



$cnt = 1;
while ($line = <STDIN>) {
    
    print $line;
    print "\n" if (($cnt % $y) == 0);
    
    $cnt++;
}

set terminal png
set view 0, 0
splot "data3d.txt" with lines

#!/usr/bin/perl
use strict;

my @data         = (); # stocke les données (individus)
my @classes      = (); # stocke les classes
my @effectifs    = (); # stocke les effectifs de chaque classe
my @affectations = (); # stocke l'appartenance d'un indiv a une classe

my $num_classes  = 5;
my $num_indiv    = 0;

# charge les données
my $line = <STDIN>;       
my @values = ();             
while ($line = <STDIN>) {
    chomp $line;

    @values    = split(/[\t\s]+/, $line);
    my @indiv  = ();
    my $nb     = scalar @values;

    for (my $i=1; $i<$nb; $i++) {
	$indiv[$i-1] = $values[$i];
    }

    push(@data, \@indiv);

}

srand();

$num_indiv  = scalar @data;
my $num_vars   = scalar @{$data[0]};

# initialise les classes avec des individus

my @utilises = ();
for (my $i=0; $i<$num_classes; $i++) {
    # nombre aléatoire entre 0 et $num_indiv
    my $r = int(rand($num_indiv));

    while ($utilises[$r] == 1) {
	$r = int(rand($num_indiv));
    }
    $utilises[$r] = 1;

    # copie l'individu $r vers la classe $i
    for (my $j=0; $j<$num_vars; $j++) {
	$classes[$i]->[$j] = $data[$r]->[$j];
    }


    #print "Classe $i initialisée avec individu $r\n";
}



# itère tant qu'il y a des changements d'affectations
my $change = 1;
while ($change) {
    $change = 0;
    @effectifs = ();
    # regarde, pour chaque individu, la  classe a laquelle il appartient
    for (my $i=0; $i<$num_indiv; $i++) {
	my $affect  = -1;
	my $mindist = 100000.0;
	for (my $j=0; $j<$num_classes; $j++) {
	    my $dist = euclidDist($classes[$j], $data[$i]);
	    if ($dist < $mindist) {
		$affect  = $j;
		$mindist = $dist;
	    }
	}

	
	$change = 1 if ($affectations[$i] != $affect); 
	#print "Individu $i va dans la classe $affect\n";
	$affectations[$i] = $affect;
	$effectifs[$affect]++;
    }

    #for (my $i=0; $i<$num_classes; $i++) {
    #	print "effectif de la classe $i = " . $effectifs[$i] . "\n";
    #}

    # recalcule les centres des classes
    @classes = ();
    for (my $i=0; $i<$num_indiv; $i++) {
	# ajoute l'individu a sa classe
	
	for (my $j=0; $j<$num_vars; $j++) {
	   $classes[$affectations[$i]]->[$j] += $data[$i]->[$j];
	}
    }

    for (my $i=0; $i<$num_classes; $i++) {
		
	for (my $j=0; $j<$num_vars; $j++) {
	    $classes[$i]->[$j] /= $effectifs[$i];
	}
    }

    # divise les composantes de chaque classe par leur effectif
}

my @resultat = ();
for (my $i=0; $i<$num_indiv; $i++) {
    $resultat[$affectations[$i]] .= "$i ";
}

for (my $i=0; $i<$num_classes; $i++) {
	# affiche les prototypes
	#for (my $j=0; $j<$num_vars; $j++) {
	#print $classes[$i]->[$j] . " ";
	#}
    print "Classe " . ($i+1) . " : " . $resultat[$i] . "\n";
}


# distance euclidienne
sub euclidDist {
    my ($din1, $din2) = @_;

    my ($nb1, $nb2, $sum);
    $nb1 = scalar @{$din1};
    
    

    $nb2 = 0;
    for (my $i=0; $i<$nb1; $i++) {
	$sum += ($din1->[$i] - $din2->[$i]) * ($din1->[$i] - $din2->[$i]);
	$nb2 ++;
    }
    
    $sum = $sum / $nb2;
    return sqrt($sum);
}

#!/usr/bin/perl -W
# effectue la projection en 2D d'un nuage de points n Dimensions
# inspiré de http://stein.cshl.org/genome_informatics/expression/express_pl.txt
use PDL;

my @input = <STDIN>;

my @data  = ();

# nombre de lignes
my $nrow = scalar(@input);

# evalue le nombre de cols
@line = split(/\s+/, $input[0]);
my $ncol = scalar(@line);


# crée une nouvelle matrice 
my $data = PDL->zeroes($nrow,$ncol);

# charge la matrice de points
for (my $i = 0; $i < $nrow; $i++) {
    @line = split(/\s+/, $input[$i]);
    
    for (my $j = 0; $j < $ncol; $j++) {
	set($data, $i, $j, $line[$j]);
    }
}

# calcule la matrice de covariance (devrait utiliser PDL plutôt)
my $covar = PDL->zeroes($ncol,$ncol);


# calcule la moyenne pour chaque colonne
for ($j = 0; $j < $ncol; $j++) {
    $mean[$j] = 0.0;
    
    for ($i = 0; $i < $nrow; $i++) {
	$mean[$j] += at($data, $i, $j);
    }
    $mean[$j] /= $nrow;
}


# centre les données
for ($i = 0; $i < $nrow; $i++) {
    for ($j = 0; $j < $ncol; $j++) {
	set($data, $i, $j,  at($data, $i, $j) - $mean[$j]);
    }
}

# calcule la matrice de cov
for ($j1 = 0; $j1 < $ncol; $j1++) {
    for ($j2 = $j1; $j2 < $ncol; $j2++) {
	set($covar, $j1, $j2, 0.0);
	for ($i = 0; $i < $nrow; $i++) {
	    set($covar, $j1, $j2, at($covar, $j1, $j2) + at($data, $i, $j1) *  at($data, $i, $j2));
	}
	
	set($covar, $j1, $j2, at($covar, $j1, $j2) / $nrow);
	set($covar, $j2, $j1, at($covar, $j1, $j2));
	
    }
}


  
# dé-centre les données
for ($i = 0; $i < $nrow; $i++) {
    for ($j = 0; $j < $ncol; $j++) {
	set($data, $i, $j,  at($data, $i, $j) + $mean[$j]);
    }
}


# calcule eigenvalues et eigenvecteurs
my ($e, $lambda) = PDL::Math::eigens($covar);
my $ix = qsorti($lambda);

# quelques affichages 
print "Eigenvalues :\n";
for (my $i = $ncol-1; $i >= 0; $i--) {
    print at($lambda,at($ix,$i)) . " ";
}
print "\n";

print "Eigenvectors (3 premiers) :\n";
print $e->slice(":,(" . at($ix, $ncol - 0 - 1) . ")"); print "\n";
print $e->slice(":,(" . at($ix, $ncol - 1 - 1) . ")"); print "\n";
print $e->slice(":,(" . at($ix, $ncol - 2 - 1) . ")"); print "\n";


# cree une matrice de points projetés en 2D
$proj = PDL->zeroes($nrow, 2);


for (my $i = 0; $i < $nrow; $i++) {
    for (my $k = 0; $k < 2; $k++) {
	for (my $k2 = 0; $k2 < $ncol; $k2++) {
	    set($proj, $i, $k,  at($proj, $i, $k) +at($data, $i, $k2) * at($e, $k2, at($ix, $ncol - $k - 1)));
	}
    }
}



# affiche les points projetés
for (my $i = 0; $i < $nrow; $i++) {
    for (my $k = 0; $k < 2; $k++) {
	print at($proj, $i, $k) . " ";
    }
    print "\n";

}

pca.pl 2 < an50.txt > data2d.txt && gnuplot plot2D.plt > 2D.png

set terminal png
plot "data2d.txt"

[olly@mplpc16 bioinfo]$ emacs hello.pl& 
print "Hello!\n";

[olly@mplpc16 bioinfo]$ perl hello.pl

#!/usr/bin/perl
$str = "Hello";
print "$str tout le monde!\n";

[olly@mplpc16 bioinfo]$ chmod +x hello.pl

[olly@mplpc16 dtgen]$ ll hello.pl 
-rwxr-xr-x   1 olly     olly           18 Jun  5 23:19 hello.pl*

[olly@mplpc16 dtgen]$ hello.pl

BioPerl correspond à une série de modules destinés à automatiser certaines taches communes en bioinformatique. Par exemple, il permet de lire des fichiers FASTA, de lancer des BLAST et de récupérer des séquences à partir des bases de données online.

[root@MPLPC18 olly]# perl -MCPAN -e shell

cpan shell -- CPAN exploration and modules installation (v1.52)
ReadLine support enabled

cpan> install "B/BI/BIRNEY/bioperl-0.7.1.tar.gz"

use Bio::SeqIO;

$seqio  = Bio::SeqIO->new ( '-format' => 'Fasta' , -file => $ARGV[0]);
while $seq = $seqio->next_seq;

use Bio::SeqIO;

$seqio  = Bio::SeqIO->new ( '-format' => 'embl' , -file => '../new_seq.dat');

while ($seqobj = $seqio->next_seq()) {
        print ">" . $seqobj->accession_number . "\n";
        print $seqobj->seq . "\n";
}

use Bio::SeqIO;


use GDBM_File;

tie(my(%indexdb),'GDBM_File',"sequences.db", &GDBM_WRCREAT, 0644);

$seqio  = Bio::SeqIO->new ( '-format' => 'embl' , -file => '../new_seq.dat');
           
$cnt = 0;
while (($seqobj = $seqio->next_seq()) && ($cnt++ < 100)) {
        print ">" . $seqobj->accession_number . "\n";
        print $seqobj->seq . "\n";
        $indexdb{$seqobj->accession_number} = $seqobj->seq;
}

untie(%indexdb);

use GDBM_File;

tie(my(%indexdb),'GDBM_File',"sequences.db", &GDBM_WRCREAT, 0644);

           
while (($k, $v) = each %indexdb) {
        print ">" . $k . "\n";
        print $v . "\n";
}

untie(%indexdb);

use Bio::DB::GenBank;

$gb = new Bio::DB::GenBank;
$seq = $gb->get_Seq_by_acc($ARGV[0]);

print $seq->seq;

#!/usr/bin/perl



use Bio::Tools::pSW;
use Bio::Seq;


$factory = new Bio::Tools::pSW( '-matrix' => 'blosum62.bla',
                                   '-gap' => 12,
                                   '-ext' => 2, );
                                                                                                    

$seq1    = Bio::Seq->new( -seq => 'WLGQRNLVSSTGGNLLNVWLKDW');
$seq2    = Bio::Seq->new( -seq => 'WMGNRNVVNLLNVWFRDW');

$factory->align_and_show($seq1, $seq2, STDOUT);
                                                                                                         
    
$aln = $factory->pairwise_alignment($seq1, $seq2);

seq1        1     WLGQRNLVSSTGGNLLNVWLKDW                           
                  W+G RN+V     NLLNVW +DW                           
seq2        1     WMGNRNVV-----NLLNVWFRDW 

#!/usr/bin/perl -w
use Tk;
use strict;
new MainWindow -> Button(-text => 'Press me!', -command => sub{print "Merci\n"})
 -> pack;
MainLoop;

Le premier point-clé est la portabilité du code sous différents systèmes : en effet le langage C correspond à un standard, standard respecté par la majeure partie des compilateurs. Le code objet performant puisque qu'il s'agit de langage machine, directement interprétable par le noyau système. Il s'agit d'un langage de programmation structurée, c'est à dire que. En fin la compilation des modules peut être faite de manière séparée, ce qui réduit considérablement les temps de recompilation par rapport à une compilation globale.Les compilateurs C fournissent des bibliothèques de fonction standard, c'est à dire communes du point de vue interface d'un compilateur à l'autre. Enfin le C permet l'accès aisé aux fonctions matériel et système, ce qui présente néanmoins peu d'importance pour le bioinformaticien.

Il existe de très nombreuses erreurs de programmations chaque fonction doit être testée. Le plus difficile est généralement de cerner l'endroit ou se produit l'erreur. Un débugage simple consiste à placer des instructions Exemple de programme produisant une erreur: free() On pourra également utiliser une fonction C qui permet de tester une condition et d'arrêter le programme si la condition n'est pas remplie : la fonction assert() Exemple:

#include <assert.h>

void assert (int expression);

Génération de nombres aléatoires en C

#include <stdio.h>
#include <time.h>

int main(void) {
        srand(time(NULL));
        printf("%d\n", rand()); 
        return 0;
}

export CLASSPATH=$CLASSPATH:.

package Bioinfo;

class HelloWorld {
  public static void Main(String []) {
    System.out.println("Bioinfo!");
  }

} 

javac HelloWorld.java

java Bioinfo.HelloWorld

use Date::Manip;
use HTML::Template;

$template = HTML::Template->new(filename => 'template_selected.html');
$template->param(DATE    => UnixDate("today"));
$template->param(NOM     => "Elemento");
$template->param(PRENOM  => "Olivier");

print $template->output;

<TMPL_INCLUDE NAME="header.inc">
<table>
<tr>
<td>Annotateur : <TMPL_VAR     NAME="PRENOM"> <TMPL_VAR     NAME="NOM"></td><td align="right"><TMPL_VAR     NAME="DATE"></td></td>
</tr>

<tr>
<td colspan="2">
<form>
<textarea name="seq"></textarea>
<imput type="submit">
</form>
</td>
</tr> 
</table>

<TMPL_INCLUDE NAME="footer.inc">

  # a couple of arrays of data to put in a loop:
          my @words = qw(I Am Cool);
          my @numbers = qw(1 2 3);

          my @loop_data = ();  # initialize an array to hold your loop

          while (@words and @numbers) {
            my %row_data;  # get a fresh hash for the row data

            # fill in this row
            $row_data{WORD} = shift @words;
            $row_data{NUMBER} = shift @numbers;

            # the crucial step - push a reference to this row into the loop!
            push(@loop_data, \%row_data);
          }

          # finally, assign the loop data to the loop param, again with a
          # reference:
          $template->param(THIS_LOOP => \@loop_data);

       The above example would work with a template like:

          <TMPL_LOOP NAME="THIS_LOOP">
             Word: <TMPL_VAR NAME="WORD">     <br>
             Number: <TMPL_VAR NAME="NUMBER"> <p>
          </TMPL_LOOP>

use HTML::Template;

$template = HTML::Template->new(filename          => 'template_selected.html'
                                die_on_bad_params => '0'
                               );

use HTML::Template;

$template = HTML::Template->new(filename          => 'template_selected.html'
                                global_vars => '1'
                               );

use Apache::Session::File;

my %session;
my $id = undef;


# numero de la session
$id = $query->cookie(-name=>"IMGT_SESSION");


# cree une session (cree un id dans $session{_session_id} si $id == undef )
tie %session, 'Apache::Session::File', $id, { 
    Directory => "/tmp/",
    LockDirectory => "/tmp/"
    };

    
# cree un cookie si il n'existe pas deja    
if ($id == undef) {
    $cookie = $query->cookie( -name=>'IMGT_SESSION',
			      -value=>$session{_session_id},
			      -expires=>'+1h');
}

# id de la session quoiqu'il en soit
$id = $session{_session_id};

Les composantes connexes d'un graphe sont les ensembles de sommets accessibles les uns depuis les autres. On peut utiliser les algorithmes de parcours de graphes pour déterminer les composantes connexes d'un graphe. Pour cela, on utilise l'algorithme de parcours en profondeur d'abord et on colorie les sommets rencontrés avec une couleur correspondant à la composante connexe courante.

Composantes-Connexes
1. Partir d'un sommet s
2. S'il est colorié
      ne rien faire
   sinon
      choisir une couleur
      appliquer profondeur d'abord en marquant avec la couleur

Les principales caractèristiques physico-chimiques d'un acide aminé sont le volume, l'accessibilité au solvant, l'hydrophobicité, la taille (petit, gros), et l'aromaticité. Le profil hydrophylique (ou hydropathique) d'une séquence protéique permet d'obtenir quelques indices concernant la structure secondaire de la protéine correspondante. Par exemple, les acides aminés hydrophobiques tendent à se trouver à l'intérieur des protéines globulaires. Dans les protéines transmembranaires, ceux-ci ont tendance à se trouver au niveau de la membrane. Les péridicités au niveau du profil peuvent également indiquer la présence d'hélices alpha. Un tel profil permet également de prédire la présence d'épitopes antigéniques.

<?xml version="1.0"?>
<!DOCTYPE BlastOutput PUBLIC "-//NCBI//NCBI BlastOutput/EN" "NCBI_BlastOutput.dtd">
<BlastOutput>
  <BlastOutput_program>blastn</BlastOutput_program>
  <BlastOutput_version>blastn 2.2.2 [Dec-14-2001]</BlastOutput_version>
  <BlastOutput_reference>~Reference: Altschul, Stephen F., Thomas L. Madden, Alejandro A. Schaffer, ~Jinghui Zhang, Zheng Zhang, Webb Miller, and David J. Lipman (1997), ~&quot;Gapped BLAST and PSI-BLAST: a new generation of protein database search~programs&quot;,  Nucleic Acids Res. 25:3389-3402.</BlastOutput_reference>
  <BlastOutput_db>drosoph</BlastOutput_db>
  <BlastOutput_query-ID>lcl|1_9533</BlastOutput_query-ID>
  <BlastOutput_query-def>R11 Ubi&gt;R11 UbiA repeat unit 11</BlastOutput_query-def>
  <BlastOutput_query-len>228</BlastOutput_query-len>
  <BlastOutput_param>
    <Parameters>
      <Parameters_expect>10</Parameters_expect>
      <Parameters_include>0</Parameters_include>
      <Parameters_sc-match>1</Parameters_sc-match>
      <Parameters_sc-mismatch>-3</Parameters_sc-mismatch>
      <Parameters_gap-open>5</Parameters_gap-open>
      <Parameters_gap-extend>2</Parameters_gap-extend>
      <Parameters_filter>L;</Parameters_filter>
    </Parameters>
  </BlastOutput_param>
  <BlastOutput_iterations>
    <Iteration>
      <Iteration_iter-num>1</Iteration_iter-num>
      <Iteration_hits>
        <Hit>
          <Hit_num>1</Hit_num>
          <Hit_id>gi|7292381|gb|AE003479.1|AE003479</Hit_id>
          <Hit_def>Drosophila melanogaster genomic scaffold 142000013386045 section 13 of 17, complete sequence</Hit_def>
          <Hit_accession>AE003479</Hit_accession>
          <Hit_len>309883</Hit_len>
          <Hit_hsps>
            <Hsp>
              <Hsp_num>1</Hsp_num>
              <Hsp_bit-score>214.587</Hsp_bit-score>
              <Hsp_score>108</Hsp_score>
              <Hsp_evalue>6.54084e-55</Hsp_evalue>
              <Hsp_query-from>204</Hsp_query-from>
              <Hsp_query-to>1</Hsp_query-to>
              <Hsp_hit-from>214917</Hsp_hit-from>
              <Hsp_hit-to>215120</Hsp_hit-to>
              <Hsp_pattern-from>0</Hsp_pattern-from>
              <Hsp_pattern-to>0</Hsp_pattern-to>
              <Hsp_query-frame>1</Hsp_query-frame>
              <Hsp_hit-frame>-1</Hsp_hit-frame>
              <Hsp_identity>180</Hsp_identity>
              <Hsp_positive>180</Hsp_positive>
              <Hsp_gaps>0</Hsp_gaps>
              <Hsp_align-len>204</Hsp_align-len>
              <Hsp_density>0</Hsp_density>
              <Hsp_qseq>TGAAGTGTCGACTGCTTTTGGATGTTGTAATCGGATAGAGTGCGTCCATCCTCGAGCTGCTTTCCAGCAAAGATCAAACGTTGCTGATCTGGTGGGATTCCCTCCTTATCCTGGATTTTGGCTTTGACATTCTCAATGGTGTCCGAAGCTTCGACCTCGAGAGTGATGGTTTTTCCAGTCAAAGTCTTGACGAAGATCTGCATA</Hsp_qseq>
              <Hsp_hseq>TGAAGGGTGGACTCCTTCTGGATGTTGTAATCGGACAGGGTGCGTCCATCCTCAAGCTGCTTGCCAGCGAAGATCAGACGCTGCTGATCTGGGGGGATTCCCTCCTTATCCTGAATCTTGGCCTTCACATTCTCAATGGTGTCCGATGGCTCTACCTCGAGGGTGATGGTCTTTCCGGTCAAAGTCTTCACGAAGATCTGCATA</Hsp_hseq>
              <Hsp_midline>||||| || |||| ||| ||||||||||||||||| || |||||||||||||| |||||||| ||||| ||||||| ||| ||||||||||| |||||||||||||||||||| || ||||| || |||||||||||||||||||| |  || |||||||| |||||||| ||||| ||||||||||| |||||||||||||||</Hsp_midline>
            </Hsp>
            <Hsp>
              <Hsp_num>2</Hsp_num>
              <Hsp_bit-score>198.729</Hsp_bit-score>
              <Hsp_score>100</Hsp_score>
              <Hsp_evalue>3.8871e-50</Hsp_evalue>
              <Hsp_query-from>204</Hsp_query-from>
              <Hsp_query-to>1</Hsp_query-to>
              <Hsp_hit-from>214005</Hsp_hit-from>
              <Hsp_hit-to>214208</Hsp_hit-to>
              <Hsp_pattern-from>0</Hsp_pattern-from>
              <Hsp_pattern-to>0</Hsp_pattern-to>
              <Hsp_query-frame>1</Hsp_query-frame>
              <Hsp_hit-frame>-1</Hsp_hit-frame>
              <Hsp_identity>178</Hsp_identity>
              <Hsp_positive>178</Hsp_positive>
              <Hsp_gaps>0</Hsp_gaps>
              <Hsp_align-len>204</Hsp_align-len>
              <Hsp_density>0</Hsp_density>
              <Hsp_qseq>TGAAGTGTCGACTGCTTTTGGATGTTGTAATCGGATAGAGTGCGTCCATCCTCGAGCTGCTTTCCAGCAAAGATCAAACGTTGCTGATCTGGTGGGATTCCCTCCTTATCCTGGATTTTGGCTTTGACATTCTCAATGGTGTCCGAAGCTTCGACCTCGAGAGTGATGGTTTTTCCAGTCAAAGTCTTGACGAAGATCTGCATA</Hsp_qseq>
              <Hsp_hseq>TGAAGGGTGGACTCCTTCTGGATGTTGTAATCGGACAGGGTGCGTCCATCCTCAAGCTGCTTGCCGGCGAAGATCAGACGCTGCTGATCTGGGGGGATTCCCTCCTTATCTTGAATCTTGGCCTTCACATTCTCAATGGTGTCCGATGGCTCTACCTCGAGGGTGATGGTCTTTCCGGTCAAAGTCTTCACGAAGATCTGCATA</Hsp_hseq>
              <Hsp_midline>||||| || |||| ||| ||||||||||||||||| || |||||||||||||| |||||||| || || ||||||| ||| ||||||||||| ||||||||||||||||| || || ||||| || |||||||||||||||||||| |  || |||||||| |||||||| ||||| ||||||||||| |||||||||||||||</Hsp_midline>
            </Hsp>
            <Hsp>
              <Hsp_num>3</Hsp_num>
              <Hsp_bit-score>186.834</Hsp_bit-score>
              <Hsp_score>94</Hsp_score>
              <Hsp_evalue>1.47952e-46</Hsp_evalue>
              <Hsp_query-from>222</Hsp_query-from>
              <Hsp_query-to>1</Hsp_query-to>
              <Hsp_hit-from>214443</Hsp_hit-from>
              <Hsp_hit-to>214664</Hsp_hit-to>
              <Hsp_pattern-from>0</Hsp_pattern-from>
              <Hsp_pattern-to>0</Hsp_pattern-to>
              <Hsp_query-frame>1</Hsp_query-frame>
              <Hsp_hit-frame>-1</Hsp_hit-frame>
              <Hsp_identity>190</Hsp_identity>
              <Hsp_positive>190</Hsp_positive>
              <Hsp_gaps>0</Hsp_gaps>
              <Hsp_align-len>222</Hsp_align-len>
              <Hsp_density>0</Hsp_density>
              <Hsp_qseq>CGAAGACGAAGAACGAGATGAAGTGTCGACTGCTTTTGGATGTTGTAATCGGATAGAGTGCGTCCATCCTCGAGCTGCTTTCCAGCAAAGATCAAACGTTGCTGATCTGGTGGGATTCCCTCCTTATCCTGGATTTTGGCTTTGACATTCTCAATGGTGTCCGAAGCTTCGACCTCGAGAGTGATGGTTTTTCCAGTCAAAGTCTTGACGAAGATCTGCATA</Hsp_qseq>
              <Hsp_hseq>CGAAGACGAAGGACCAAGTGAAGGGTGGACTCCTTCTGAATGTTGTAATCGGACAGGGTGCGTCCATCCTCAAGCTGCTTGCCGGCGAAGATCAGACGCTGCTGATCTGGGGGAATTCCCTCCTTGTCTTGGATCTTAGCCTTAACATTCTCAATGGTGTCCGAAGGCTCTACCTCGAGGGTGATGGTCTTTCCGGTCAAAGTCTTCACGAAGATCTGCATA</Hsp_hseq>
              <Hsp_midline>||||||||||| || |  ||||| || |||| ||| || |||||||||||||| || |||||||||||||| |||||||| || || ||||||| ||| ||||||||||| || ||||||||||| || ||||| || || || ||||||||||||||||||||||  || |||||||| |||||||| ||||| ||||||||||| |||||||||||||||</Hsp_midline>
            </Hsp>
	    ...

<?xml version="1.0"?> 
<xsl:stylesheet xmlns:xsl="http://www.w3.org/1999/XSL/Transform" version="1.0"> 
<xsl:output method="text" encoding="iso-8859-1"/>

<xsl:template match="/"> 
<xsl:apply-templates select="BlastOutput/BlastOutput_iterations/Iteration/Iteration_hits/Hit">
</xsl:apply-templates>
</xsl:template> 

<xsl:template match="BlastOutput/BlastOutput_iterations/Iteration/Iteration_hits/Hit"> 
<xsl:if test="Hit_num=1">
<xsl:apply-templates select="Hit_hsps/Hsp">
<xsl:sort data-type="number" select="Hsp_hit-from"/>
</xsl:apply-templates>
</xsl:if>
</xsl:template> 


<xsl:template match="Hit_hsps/Hsp"> 
>seq<xsl:value-of select="Hsp_num"/>-<xsl:value-of select="Hsp_hit-from"/>-<xsl:value-of select="Hsp_hit-to"/>
<xsl:text>
</xsl:text>
<xsl:value-of select="Hsp_hseq"/>
</xsl:template> 

</xsl:stylesheet> 

 
>seq4-213091-213294
TGAAGGGTCGATTCCTTCTGGATGTTGTAATCGGACAGGGTGCGTCCATCCTCAAGCTGCTTGCCGGCGAAGATCAGACGCTGCTGATCTGGGGGAATTCCCTCCTTGTCTTGGATCTTAGCCTTAACATTCTCAATGGTGTCCGAGGGCTCTACCTCGAGGGTGATGGTCTTTCCGGTCAAAGTCTTCACGAAGATCTGCATA 
>seq6-213319-213523
TGAAGGGTGGACTCCTTCTGGATGTTGTAATCGGACAGGGTGCGTCCATCCTCAAGCTGCTTGCCGGCGAAGATCAGACGCTGCTGATGCTGGGGGAATTCCCTCCTTGTCTTGGATCTTAGCCTTAACATTCTCAATGGTGTCCGAAGGCTCTACCTCGAGGGTGATGGTCTTTCCGGTCAAAGTCTTCACGAAGATCTGCATA 
>seq8-213548-213751
TGAAGGGTGGACTCCTTCTGGATGTTGTAATCGGACAGGGTGCGTCCATCCTCAAGCTGCTTGCCGGCGAAGATCAGACGCTGCTGATCTGGGGGAATTCCCTCCTTGTCTTGGATCTTAGCCTTAACATTCTCAATTGTGTCCGATGGCTCTACCTCGAGGGTGATGGTCTTTCCGGTCAAAGTCTTCACGAAGATCTGCATA 
>seq5-213758-213980
CGAAGACGAAGGACCAAGTGAAGGGTGGACTCCTTCTGGATGTTGTAATCGGACAGGGTGCGTCCATCCTCAAGCTGCTTGCCGGCGAAGATCAGACTGCTGCTGATCTGGGGGAATTCCCTCCTTGTCTTGGATCTTAGCCTTAACATTCTCAATGGTGTCCGAAGGCTCTACCTCGAGGGTGATGGTCTTTCCGGTCAAAGTCTTCACGAAGATCTGCATA 
>seq2-214005-214208
TGAAGGGTGGACTCCTTCTGGATGTTGTAATCGGACAGGGTGCGTCCATCCTCAAGCTGCTTGCCGGCGAAGATCAGACGCTGCTGATCTGGGGGGATTCCCTCCTTATCTTGAATCTTGGCCTTCACATTCTCAATGGTGTCCGATGGCTCTACCTCGAGGGTGATGGTCTTTCCGGTCAAAGTCTTCACGAAGATCTGCATA 
>seq9-214233-214436
TGAAGGGTGGACTCCTTCTGGATGTTGTAATCGGACAGGGTGCGTCCATCCTCAAGCTGCTTGCCGGCGAAGATCAGACGCTGCTGATCTGGGGGAATTCCCTCCTTGTCTTGGATCTTAGCCTTAACATTCTCAATTGTGTCCGATGGCTCTACCTCGAGGGTGATGGTCTTTCCGGTCAAAGTCTTCACGAAGATCTGCATA 
>seq3-214443-214664
CGAAGACGAAGGACCAAGTGAAGGGTGGACTCCTTCTGAATGTTGTAATCGGACAGGGTGCGTCCATCCTCAAGCTGCTTGCCGGCGAAGATCAGACGCTGCTGATCTGGGGGAATTCCCTCCTTGTCTTGGATCTTAGCCTTAACATTCTCAATGGTGTCCGAAGGCTCTACCTCGAGGGTGATGGTCTTTCCGGTCAAAGTCTTCACGAAGATCTGCATA 
>seq7-214689-214892
TGAAGGGTGGACTCCTTCTGGATGTTGTAATCGGACAGGGTGCGTCCATCCTCAAGCTGCTTGCCGGCGAAGATCAGACGCTGCTGATCTGGGGGAATTCCCTCCTTGTCTTGGATCTTAGCCTTAACATTCTCAATTGTGTCCGATGGCTCTACCTCGAGGGTGATGGTCTTTCCGGTCAAAGTCTTCACGAAGATCTGCATA 
>seq1-214917-215120
TGAAGGGTGGACTCCTTCTGGATGTTGTAATCGGACAGGGTGCGTCCATCCTCAAGCTGCTTGCCAGCGAAGATCAGACGCTGCTGATCTGGGGGGATTCCCTCCTTATCCTGAATCTTGGCCTTCACATTCTCAATGGTGTCCGATGGCTCTACCTCGAGGGTGATGGTCTTTCCGGTCAAAGTCTTCACGAAGATCTGCATA 
>seq10-215145-215347
TGAAGGGTGGACTCCTTCTGAATGTTGTAATCGGACAGGGTGCGTCCGTCTTCCAGTTGCTTGCCGGCGAAGATCAGACGCTGCTGATCTGGGGGAATTCCTTCCTTGTCTTGGATCTTAGCCTTAACATTCTCAATGGTGTCCGAGGGCTCTACCTCGAGGGTGATGGTCTTTCCGGTCAAAGTCTTCACAAAGATCTGCAT

<xsl:if test="truc="bleu"">

</xsl:if>

<table>
<xsl:attribute name="width">100%</xsl:attribute>
</table>
cela donne :
<table width="100%">

</table>

java org.apache.xalan.xslt.Process -in bioinfo.xml -xsl docbook.xsl -out bioinfo.html

La méthodologie MERISE fournit un cadre pour la conception efficace de bases de données. Cette méthodologie s'articule autour de trois grandes étapes :

Le MCD se représente habituellement à l'aide de diagrammes, qu'il est possible de dessiner grace au programme dia. Par exemple :

Le modèle logique des données (MLD) consiste à décrire la structure de données utilisée sans faire référence à un langage de programmation. Il s'agit donc de préciser le type de données utilisées lors des traitements. Ainsi, le modèle logique est dépendant du type de base de données utilisé.

Le MP correspond à la traduction du MLD en langage comprehensible par la machine (ex : SQL). C'est ce que nous ferons dans la prochaine section.

Créons la base de données :

$ mysql 
Welcome to the MySQL monitor.  Commands end with ; or \g.
Your MySQL connection id is 21 to server version: 3.23.36

Type 'help;' or '\h' for help. Type '\c' to clear the buffer

mysql> CREATE DATABASE protdb

CREATE TABLE PROTEINES (
PROTEINE_ID            int not null auto_increment,
PROTEINE_NOM           varchar(100),
PROTEINE_DESCRIPTION   varchar(255),
PROTEINE_FONCTION      text,
PROTEINE_AASEQUENCE    text,
PROTEINE_PDBID         varchar(20),
PROTEINE_SPID          varchar(10),
primary key(PROTEINE_ID)
);

CREATE TABLE INTERACTIONS (
INTER_ID		int not null auto_increment primary key,
INTER_PROTEINEID1    int,
INTER_PROTEINEID2    int,
INTER_COMMENTAIRE  text
);

CREATE TABLE PUBLICATIONS (
PUBLI_PROTEINEID    int,
PUBLI_PUBMEDID      varchar(10)
);

$ mysql protdb < protdb.sql

DROP TABLE IF EXISTS PUBLICATIONS;
CREATE TABLE PUBLICATIONS (
PUBLI_PROTEINEID    int,
PUBLI_PUBMEDID      varchar(10) not null primary key
);

INSERT INTO PROTEINES (PROTEINE_NOM, 
                       PROTEINE_DESCRIPTION, 
                       PROTEINE_FONCTION, 
		       PROTEINE_AASEQUENCE, 
                       PROTEINE_PDBID, 
                       PROTEINE_SPID) VALUES (
                       'GADD45a',
		       'growth arrest and DNA damage inducible protein GADD45, alpha',
		       'MTLEEFSAGEQKTERMDKVGDALEEVLSKALSQRTITVGVYEAAKLLNVDPDNVVLCLLAADEDDDRDVALQIHFTLIQAFCCENDINILRVSNPGRLAELLLLETDAGPAASEGAEQPPDLHCVLVTNPHSSQWKDPALSQLICFCRESRYMDQWVPVINLPER*',
		       'BINDS TO PROLIFERATING CELL NUCLEAR ANTIGEN. MIGHT AFFECT PCNA INTERACTION WITH SOME CDK (CELL DIVISION PROTEIN KINASE) COMPLEXES; STIMULATES DNA EXCISION REPAIR IN VITRO AND INHIBITS ENTRY OF CELLS INTO S PHASE',
		       '',
		       'P24522');

mysql> select * from PROTEINES\G 
*************************** 1. row ***************************
         PROTEINE_ID: 1
        PROTEINE_NOM: GADD45a
PROTEINE_DESCRIPTION: growth arrest and DNA damage inducible protein GADD45, alpha
   PROTEINE_FONCTION: MTLEEFSAGEQKTERMDKVGDALEEVLSKALSQRTITVGVYEAAKLLNVDPDNVVLCLLAADEDDDRDVALQIHFTLIQAFCCENDINILRVSNPGRLAELLLLETDAGPAASEGAEQPPDLHCVLVTNPHSSQWKDPALSQLICFCRESRYMDQWVPVINLPER*
 PROTEINE_AASEQUENCE: BINDS TO PROLIFERATING CELL NUCLEAR ANTIGEN. MIGHT AFFECT PCNA INTERACTION WITH SOME CDK (CELL DIVISION PROTEIN KINASE) COMPLEXES; STIMULATES DNA EXCISION REPAIR IN VITRO AND INHIBITS ENTRY OF CELLS INTO S PHASE
      PROTEINE_PDBID: 
       PROTEINE_SPID: P24522
1 row in set (0.00 sec)

mysql> 

INSERT INTO PROTEINES (PROTEINE_NOM, 
                       PROTEINE_DESCRIPTION, 
                       PROTEINE_FONCTION, 
		       PROTEINE_FONCTION, 
                       PROTEINE_AASEQUENCE, 
                       PROTEINE_PDBID, 
                       PROTEINE_SPID) VALUES (
                       'PCNA',
		       'proliferating cell nuclear antigen',
		       'MFEARLVQGSILKKVLEALKDLINEACWDISSSGVNLQSMDSSHVSLVQLTLRSEGFDTYRCDRNLAMGVNLTSMSKILKCAGNEDIITLRAEDNADTLALVFEAPNQEKVSDYEMKLMD LDVEQLGIPEQEYSCVVKMPSGEFARICRDLSHIGDAVVISCAKDGVKFSASGELGNGNI KLSQTSNVDKEEEAVTIEMNEPVQLTFALRYLNFFTKATPLSSTVTLSMSADVPLVVEYKIADMGHLKYYLAPKIEDEEGS*',
		       'THIS PROTEIN IS AN AUXILIARY PROTEIN OF DNA POLYMERASE DELTA AND IS INVOLVED IN THE CONTROL OF EUKARYOTIC DNA REPLICATION BY INCREASING THE POLYMERASE'S PROCESSIBILITY DURING ELONGATION OF THE LEADING STRAND',
		       '1AXC',
		       'P12004');


mysql> select * from PROTEINES\G
*************************** 1. row ***************************                                                          
         PROTEINE_ID: 1
        PROTEINE_NOM: GADD45a
PROTEINE_DESCRIPTION: growth arrest and DNA damage inducible protein GADD45, alpha
   PROTEINE_FONCTION: MTLEEFSAGEQKTERMDKVGDALEEVLSKALSQRTITVGVYEAAKLLNVDPDNVVLCLLAADEDDDRDVALQIHFTLIQAFCCENDINILRVSNPGRLAELLLLETDAGPAASEGAEQPPDLHCVLVTNPHSSQWKDPALSQLICFCRESRYMDQWVPVINLPER*
 PROTEINE_AASEQUENCE: BINDS TO PROLIFERATING CELL NUCLEAR ANTIGEN. MIGHT AFFECT PCNA INTERACTION WITH SOME CDK (CELL DIVISION PROTEIN KINASE) COMPLEXES; STIMULATES DNA EXCISION REPAIR IN VITRO AND INHIBITS ENTRY OF CELLS INTO S PHASE
      PROTEINE_PDBID: 
       PROTEINE_SPID: P24522
*************************** 2. row ***************************
         PROTEINE_ID: 2
        PROTEINE_NOM: PCNA
PROTEINE_DESCRIPTION: proliferating cell nuclear antigen
   PROTEINE_FONCTION: MFEARLVQGSILKKVLEALKDLINEACWDISSSGVNLQSMDSSHVSLVQLTLRSEGFDTYRCDRNLAMGVNLTSMSKILKCAGNEDIITLRAEDNADTLALVFEAPNQEKVSDYEMKLMD LDVEQLGIPEQEYSCVVKMPSGEFARICRDLSHIGDAVVISCAKDGVKFSASGELGNGNI KLSQTSNVDKEEEAVTIEMNEPVQLTFALRYLNFFTKATPLSSTVTLSMSADVPLVVEYKIADMGHLKYYLAPKIEDEEGS*
 PROTEINE_AASEQUENCE: THIS PROTEIN IS AN AUXILIARY PROTEIN OF DNA POLYMERASE DELTA AND IS INVOLVED IN THE CONTROL OF EUKARYOTIC DNA REPLICATION BY INCREASING THE POLYMERASE'S PROCESSIBILITY DURING ELONGATION OF THE LEADING STRAND
      PROTEINE_PDBID: 1AXC
       PROTEINE_SPID: P12004
2 rows in set (0.47 sec)

mysql>

Tout comme pour GADD45a, nous voyons bien que le champ PROTEINE_ID de PCNA a automatiquement mis à 2.

Insérons maintenant une interaction entre ces deux protéines :

INSERT INTO INTERACTIONS (INTER_PROTEINEID1, INTER_PROTEINEID2, INTER_COMMENTAIRE)
                          VALUES ('1', '2', 'Using complementary in vivo and in vitro interaction assays the N-terminal (1-46) and middle (100-127) regions of PCNA were identified as harboring MyD118- and Gadd45 interacting domains, whereas PCNA interacting domains within MyD118 and Gadd45 were localized to the C termini of these proteins (amino acids 114-156 and 137-165, respectively)');

#!/usr/bin/perl

use DBI();

$dbh = DBI->connect(    "DBI:mysql:database=protdb;host=localhost", 
                        "", 
                        "",
                        {'RaiseError' => 1}
                );

my %data = ();

%data = ("PROTEINE_NOM"           => "MTK1",
         "PROTEINE_DESCRIPTION"   => "protein kinase, mitogen-activated, kinase kinase 1",
	 "PROTEINE_FONCTION"      => "ACTIVATES THE CSBP2, P38 AND JNK MAPK PATHWAYS, BUT NOT THE ERK PATHWAY. SPECIFICALLY PHOSPHORYLATES AND ACTIVATES MAP2K4 AND MAP2K6",
	 "PROTEINE_AASEQUENCE"    => "
 MREAAAALVPPPAFAVTPAAAMEEPPPPPPPPPPPPEPETESEPECCLAARQEGTLGDSA
 CKSPESDLEDFSDETNTENLYGTSPPSTPRQMKRMSTKHQRNNVGRPASRSNLKEKMNAP
 NQPPHKDTGKTVENVEEYSYKQEKKIRAALRTTERDHKKNVQCSFMLDSVGGSLPKKSIP
 DVDLNKPYLSLGCSNAKLPVSVPMPIARPARQTSRTDCPADRLKFFETLRLLLKLTSVSK
 KKDREQRGQENTSGFWLNRSNELIWLELQAWHAGRTINDQDFFLYTARQAIPDIINEILT
 FKVDYGSFAFVRDRAGFNGTSVEGQCKATPGTKIVGYSTHHEHLQRQRVSFEQVKRIMEL
 LEYIEALYPSLQALQKDYEKYAAKDFQDRVQALCLWLNITKDLNQKLRIMGTVLGIKNLS
 DIGWPVFEIPSPRPSKGNEPEYEGDDTEGELKELESSTDESEEEQISDPRVPEIRQPIDN
 SFDIQSRDCISKKLERLESEDDSLGWGAPDWSTEAGFSRHCLTSIYRPFVDKALKQMGLR
 KLILRLHKLMDGSLQRARIALVKNDRPVEFSEFPDPMWGSDYVQLSRTPPSSEEKCSAVS
 WEELKAMDLPSFEPAFLVLCRVLLNVIHECLKLRLEQRPAGEPSLLSIKQLVRECKEVLK
 GGLLMKQYYQFMLQEVLEDLEKPDCNIDAFEEDLHKMLMVYFDYMRSWIQMLQQLPQASH
 SLKNLLEEEWNFTKEITHYIRGGEAQAGKLFCDIAGMLLKSTGSFLEFGLQESCAEFWTS
 ADDSSASDEIIRSVIEISRALKELFHEARERASKALGFAKMLRKDLEIAAEFRLSAPVRD
 LLDVLKSKQYVKVQIPGLENLQMFVPDTLAEEKSIILQLLNAAAGKDCSKDSDDVLIDAY
 LLLTKHGDRARDSEDSWGTWEAQPVKVVPQVETVDTLRSMQVDNLLLVVMQSAHLTIQRK
 AFQQSIEGLMTLCQEQTSSQPVIAKALQQLKNDALELCNRISNAIDRVDHMFTSEFDAEV
 DESESVTLQQYYREAMIQGYNFGFEYHKEVVRLMSGEFRQKIGDKYISFARKWMNYVLTK
 CESGRGTRPRWATQGFDFLQAIEPAFISALPEDDFLSLQALMNECIGHVIGKPHSPVTGL
 YLAIHRNSPRPMKVPRCHSDPPNPHLIIPTPEGFSTRSMPSDARSHGSPAAAAAAAAAVA
 ASRPSPSGGDSVLPKSISSAHDTRGSSVPENDRLASIAAELQFRSLSRHSSPTEERDEPA
 YPRGDSSGSTRRSWELRTLISQSKDTASKLGPIEAIQKSVRLFEEKRYREMRRKNIIGQV
 CDTPKSYDNVMHVGLRKVTFKWQRGNKIGEGQYGKVYTCISVDTGELMAMKEIRFQPNDH
 KTIKETADELKIFEGIKHPNLVRYFGVELHREEMYIFMEYCDEGTLEEVSRLGLQEHVIR
 LYSKQITIAINVLHEHGIVHRDIKGANIFLTSSGLIKLGDFGCSVKLKNNAQTMPGEVNS
 TLGTAAYMAPEVITRAKGEGHGRAADIWSLGCVVIEMVTGKRPWHEYEHNFQIMYKVGMG
 HKPPIPERLSPEGKDFLSHCLESDPKMRWTASQLLDHSFVKVCTDEE*",

	 "PROTEINE_PDBID"        => "",
	 "PROTEINE_SPID"         => "Q9Y6R4");

$query = "INSERT INTO PROTEINES (
                       PROTEINE_NOM, 
                       PROTEINE_DESCRIPTION, 
                       PROTEINE_FONCTION, 
		       PROTEINE_AASEQUENCE, 
                       PROTEINE_PDBID, 
                       PROTEINE_SPID) VALUES (
                       '$data{"PROTEINE_NOM"}',
		       '$data{"PROTEINE_DESCRIPTION"}',
		       '$data{"PROTEINE_FONCTION"}',
		       '$data{"PROTEINE_AASEQUENCE"}',
		       '$data{"PROTEINE_PDBID"}',
		       '$data{"PROTEINE_SPID"}');";

$sth = $dbh->do($query);

# le champ PROTEINE_ID, automatiquement affecté par MySQL est stocké dans $sth->{'mysql_insertid'};

print "Protéine " . $sth->{'mysql_insertid'} . " insérée dans la base!\n";
        

#!/usr/bin/perl

$query = "SELECT PROTEINE_ID FROM PROTEINES WHERE PROTEINE_NOM = 'GADD45a' OR PROTEINE_NOM = 'MTK1'";

$sth = $dbh->prepare($query);
$res = $sth->execute;
        
$row = $sth->fetchrow_hashref;
$protein1 = $row->{"PROTEINE_ID"};

$row = $sth->fetchrow_hashref;
$protein2 = $row->{"PROTEINE_ID"};

$query = "INSERT INTO INTERACTIONS (
                       INTER_PROTEINEID1, INTER_PROTEINEID2, INTER_COMMENTAIRE)
          VALUES ('$protein1',
	          '$protein2',
		  'commentaire ...');   

#!/usr/bin/perl

#
# Perl (traitement de données)
#

use DBI();
use CGI;

$cgi =new CGI;

$dbh = DBI->connect(    "DBI:mysql:database=protdb;host=localhost", 
                        "", 
                        "",
                        {'RaiseError' => 1}
                );

$query = "SELECT PROTEINE_NOM, PROTEINE_ID FROM PROTEINES";

$sth = $dbh->prepare($query);
$res = $sth->execute;
        
my $select = '<select name="INTERACTIONS" multiple="true">'
;
while ($row = $sth->fetchrow_hashref) {
      $select .= '<option value="' . $row->{PROTEINE_ID} . '">' . $row->{PROTEINE_NOM} . "</option>\n"; 
}

$select .= "</select>";
      


#
# HTTP header
#
print $cgi->header;

#
# HTML (affichage)
# 
print <<STOP;
<html>
<body bgcolor="white">


<form action="/perl/insert.pl">
<table>

<tr>
<td align="right">
Nom
</td>
<td>
<input type="text" name="PROTEINE_NOM" value="">
</td>
</tr>

<tr>
<td align="right">
Description
</td>
<td>
<input type="text" name="PROTEINE_DESCRIPTION" value="" size="30">
</td>
</tr>

<tr>
<td align="right">
Fonction
</td>
<td>
<input type="text" name="PROTEINE_FONCTION" value="" size="30">
</td>
</tr>

<tr>
<td align="right">
Séquence
</td>
<td>
<textarea name="PROTEINE_AASEQUENCE" cols="40" rows="10"></textarea>
</td>
</tr>


<tr>
<td align="right">
code PDB
</td>
<td>
<input type="text" name="PROTEINE_PDBID" value="" size="30">
</td>
</tr>

<tr>
<td align="right">
code SWISSPROT
</td>
<td>
<input type="text" name="PROTEINE_SPID" value="" size="30">
</td>
</tr>


<tr>
<td align="right">
Interagit avec
</td>
<td>
$select
</td>
</tr>



<tr>
<td align="right">
</td>
<td>
<input type="submit" name="" value="Valider">

</td>
</tr>

</table>

</form>

</body>
</html>

STOP

chmod +x protdb_input.pl

Pour générer ce rapport à partir du fichier de logs /var/log/httpd/access, il suffit de taper :

webalizer /var/log/httpd/access

Attention : par défaut, webalizer fournit un rapport avec les noms ou adresses IP des machines s'étant connecté à votre site. Pour éviter cela, et présever l'anonymité de vos utilisateurs (par exemple des utilisateurs industriels), il faut introduire les 2 lignes suivantes dans le fichier webalizer.conf (un exemple de fichier est fourni sous le nom de sample.conf) :

  
TopSites        0
TopKSites       0

Il est aussi possible de générer plusieurs rapports différents à partir d'un même fichier de logs. Dans ce cas là, ce fichier de logs, ainsi que le répertoire de sortie, et les options des rapports doivent être spécifiés dans plusieurs fichiers de configuration différents, par exemple webalizer-1.conf et webalizer-2.conf. Pour générer ces rapports, on tapera alors :

webalizer -c webalizer-1.conf
.
.
webalizer -c webalizer-2.conf