Symbiose seminars

  • Whole genome assembly of the parasitoid wasp Lysiphlebus fabarum

    Alice Dennis
    Thursday, November 19, 2015 - 10:30
    Room Turing Petri
    Talk abstract: 

    Lysiphlebus fabarum is one of the most abundant parasitoid wasps in Europe, primarily targeting aphids in the genus Aphis. To facilitate work that will include studies of adaptive gene expression and the basis of contagious parthenogenesis, we are assembling a draft whole-genome sequence of L. fabarum. Initial assemblies conducted using Illumina data, followed by scaffolding using PacBio sequences produced an alignment with a high N50, and good return of both CEGMA and BUSCO genes. Interesting features of this L. fabarum genome thus far include a very low GC content and evidence of historical integrations of viral sequences. However, initial evaluation of this assembly suggests that it contains a number of errors, and this has hindered our construction of linkage groups. I will present a summary of our work to date in evaluating this genome assembly, and in comparing it to several new assemblies using both Illumina and PacBio focused alignment methods.

     

    Authors:

    Alice Dennis, Jens Bast, Zoé Dumas, Giancarlo Russo, Tanja Schwander, Christoph Vorburger

  • Le séquençage et l'assemblage de génomes de référence à partir de données PacBio

    Jerome Gouzy (Laboratoire des Interactions Plantes Micro-organismes (LIPM) - INRA/CNRS)
    Thursday, November 5, 2015 - 10:30
    Room Métivier
    Talk abstract: 



    Depuis bientôt deux ans, les dernières avancées de la technologie de séquençage PacBio ont bouleversé les projets de séquençages génomiques. Non seulement les chromosomes bactériens mais également les chromosomes de nombreux génomes eucaryotes peuvent s’assembler en une seule séquence ou dans le pire des cas en bras chromosomiques. La qualité des assemblages atteint si ce n’est dépasse les assemblages de références Sanger des années 2000, les centromères et télomères alors souvent non résolus sont désormais analysables.  Les résultats sur plusieurs espèces de bactéries, champignons et plantes seront présentés afin d’illustrer les réussites de cette rupture technologique mais aussi les cas qui restent encore non parfaitement résolus.

  • Looking for mutations in PacBio cancer data: an alignment-free method

    Justine Rudewicz (Labri Bordeaux)
    Thursday, October 1, 2015 - 10:30
    Room Métivier
    Talk abstract: 

    L’étude clinique EORTC 10994 a été mise en place afin de déterminer si le statut de p53 permet de sélectionner la thérapie des patientes atteintes de cancers du sein. L’identification des mutations du gène TP53 par séquençage NGS des ARNm de TP53 s’est révélée efficace lors d’une étude pilote effectuée. Afin de déterminer les mutations TP53 présentes chez l’ensemble des patientes (~1500), l’ARNm TP53 tumoral a été séquencé par la technologie de séquençage de troisième génération "Pacific Bioscences". Cependant, ni le pipeline de l'étude pilote, ni ceux utilisant GATK se sont révélés appropriés pour ce type de données. En effet, au fort taux d’erreurs de séquençage généré par PacBio (~15%) s’ajoute la contamination des échantillons tumoraux par le tissus sain. Le faible taux de mutation attendu pour certains échantillons rend impossible la différenciation des erreurs de séquençage des réelles mutations par les outils standards. Afin de contourner ce problème, nous avons mis en place une méthodologie de détection de mutations par utilisation des graphes de De Bruijn que nous allons vous présenter.

  • Design algorithmique de protéines et Optimisation Combinatoire

    Thomas Schiex (INRA Toulouse)
    Thursday, September 24, 2015 - 10:30
    Room Aurigny
    Talk abstract: 
    Depuis une dizaine d'années, un nombre croissant de nouvelles
    protéines ont été créées en suivant un processus de conception
    semi-rationnel. Le but ultime du "Computational Protein Design"  est
    d'obtenir une séquence d'acides aminés qui se repliera selon une
    structure choisie. Le plus souvent, il s'agit d'obtenir une nouvelle
    enzyme, parfois, une nouvelle structure pour les nanotechnologies.
    Avec 20 acides aminés, l'espace des séquences est très combinatoire et
    son exploration systématique, voire "dirigée", par des voies
    expérimentales est peu efficace. Pour focaliser cette recherche,
    l'approche rationnelle consiste à modéliser la protéine comme un objet
    tridimensionnel soumis à des forces variées (internes, van der Waals,
    électrostatiques et interactions avec le milieu) et à rechercher une
    séquence la plus stable possible étant donnée un squelette fixé. Même
    avec des hypothèses simplificatrices fortes, c'est un problème
    d'optimisation combinatoire difficile à modéliser et à résoudre. Au
    cœur d'une grande partie des approches actuelles réside cependant un
    problème d'optimisation de formulation simple, avec un squelette
    rigide, une flexibilité des chaînes latérales représentées par une
    librairie de conformations (rotamères) et un champ d'énergie
    décomposable. Nous verrons que ce problème peut se modéliser
    mathématiquement dans une grande variété de formalismes usuels pour
    l'optimisation et que la programmation par contraintes pondérée (ou
    réseaux de fonctions de coûts) semble particulièrement efficace. Une
    brève introduction aux principaux outils algorithmiques utilisés dans
    ce domaine sera présentée.
    
  • Apports de la génétique et de la génomique pour la conservation des populations de poissons anadromes

    Guillaume Evanno (Inra Rennes)
    Thursday, September 10, 2015 - 10:30
    Room Minquiers
    Talk abstract: 

    Les poissons anadromes tels que les saumons, aloses et lamproies se reproduisent en eau douce et les juvéniles effectuent une migration vers la mer où ils séjournent jusqu’à leur maturité sexuelle. La plupart de ces espèces sont en déclin suite à la dégradation de leur habitat et / ou à une surexploitation des stocks. En conséquence, de nombreux repeuplements à l’aide de diverses souches ont été effectués dans les populations sauvages. Nous avons utilisé des outils de génétique des populations pour 1) quantifier l’introgression des populations naturelles de saumon par les poissons de repeuplement et 2) délimiter des unités spatiales de conservation. Nous avons aussi étudié l’évolution de l’anadromie chez les lamproies et les truites car chez ces espèces, des formes (ou écotypes) résidentes en eau douces et d’autres migratrices anadromes, coexistent dans les mêmes cours d’eau. Les outils de séquençage NGS nous ont permis d’étudier la divergence génomique entre ces formes.

  • Towards a model-free classification of spindle elongation

    Yann Le Cunff (Irisa)
    Thursday, July 2, 2015 - 10:30
    Room Minquiers
    Talk abstract: 

    TBA

  • Mesurer la dispersion : que peuvent apporter les NGS ?

    Eric Petit (Inra Rennes)
    Thursday, June 25, 2015 - 10:30
    Room Minquiers
    Talk abstract: 
    La dispersion est un trait commun à  toutes les formes de vie, qui
    affecte tous les niveaux d'organisation du vivant, et est par ailleurs
    identifié comme étant fondamental dans la capacité des organismes à
    répondre aux changements globaux. Principal véhicule des flux de gènes,
    la dispersion peut être quantifiée à partir de l'observation de
    variations de fréquences alléliques. la diversité des patrons de
    dispersion sera illustrée à partir d'exemples pris chez les Mammifères,
    révélant la diversité des pressions de sélection qui peuvent agir sur ce
    trait. J'expliquerai et évaluerai ensuite, en m'appuyant sur des
    résultats de simulations, ce que les nouvelles technologies de
    séquençage peuvent apporter à l'étude de la dispersion.
  • A carefully tamed p-value is bioinformatician's most faithful friend

    Jacques Van Helden (Université d'Aix-Marseille)
    Friday, June 5, 2015 - 10:30
    Room Aurigny
    Talk abstract: 

    The p-value has recently been questioned in several publications. Halsey et al . (2015) argue that the wide sample-to-sample variability in the p-value is a major cause for the lack of reproducibility of published research. They propose to replace statistical testing by an inspection of confidence intervals around the estimated effect size. Even though the authors raise a relevant concern about the instability of statistical tests with small-sized samples, the p-value was taken as scapegoat for sins of other sources: limitation of sample sizes, misconception of the p-value, over-interpretation of the significance. The alleged fickleness of the p-value seems to boil down to a rephrasing of the well-known problem of small sample fluctuations.   Ironically, the proposed solution suffers from the same instability, since confidence intervals are computed from the same estimators (mean, standard deviation), and their extent depends on Student $t$ distribution. Thus, the proposed alternative — discounting the p-value and focusing on size effect and confidence intervals — offers no solution to the real sources of instability of the observations. Moreover, it would be of no use in bioinformatics, where a single analyse can encompass thousands, millions or billions of tests. In this article, I propose to combine several strategies to enforce the reliability and interpretability of statistical tests in the context of high-throughput data analysis: (i) inspecting p-values and derived statistics as continuous variables rather than setting an arbitrary cut-off; (ii) coupling the analysis of the actual datasets with in silico negative and positive controls; (iii) analyzing  the full empirical distributions of p-values; (iv) bootstrapping the samples. These approaches turn the usual difficulties raised by multiple testing into an advantage, by giving insight into the global properties of the datasets, thereby enabling a contextual interpretation of individual tests. I demonstrate that, when adequately treated and interpreted, p-values and derived statistics provide reliable tools to estimate not only the significance but also the robustness of the results.

    References
    Halsey,L.G., Curran-Everett,D., Vowler,S.L. and Drummond,G.B. (2015) The fickle P value generates irreproducible results. Nature Methods, 12, 179–185.
     
    Jacques van Helden
    Lab. Technological Advances for Genomics and Clinics (TAGC), INSERM Unit U1090, Aix-Marseille Université (AMU).

     

  • Neuroinformatics: from image analysis to genomics

    Olivier Colliot (ARAMIS Team)
    Thursday, June 4, 2015 - 10:30
    Room Aurigny
    Talk abstract: 


    The past 20 years have witnessed a tremendous development of both neuroimaging and genomic technologies, which have opened entirely new avenues to study neurological disorders.
    However, the complexity of the data generated by these techniques poses important challenges to computational and statistical analysis. The first part of this talk will focus on approaches for modeling brain structure from neuroimaging data, in order to build digital phenotypes of the patients. We will in particular focus on quantification of brain structures, deformation models and machine learning approaches for disease prediction. We will then review the main challenges associated to the integration of neuroimaging and genomic data.

     

    Olivier Colliot
    ARAMIS Laboratory, Paris, France - www.aramislab.fr
    CNRS, Inria, Inserm, Université Pierre et Marie Curie, Institut du Cerveau et de la Moelle épinière

  • Complexity in Genomic Patterns and Classification

    Somdatta Sinha (Indian Institute of Science Education and Research Mohali, India)
    Wednesday, May 27, 2015 - 14:00
    Room Minquiers
    Talk abstract: 

    Genomes are made of sequences of four nucleotides, A, T, C, and G.  Several processes such as mutation, transposition, recombination, translocation, and excision introduce variations in these sequences, which then become the substrates of selection and consequent evolution. Similarity in the liner composition of these letters in two sequences are commonly used as indicators of evolutionary closeness of two organisms. However, researchers  are increasingly looking at groups of letters (“words”), or different patterns of nucleotide sequences ("genomic signatures"), and have found that DNA of closely related organisms also have similar genomic signatures. This encourages us to look into the compositional properties of DNA sequences and their relevance to function and evolution. In this talk, I will discuss how these patterns can be used for alignment-free classification of very closely related DNA sequences using Chaos Game Representation (CGR). This points towards the role of higher order word structures carrying some meaning in the DNA language, and the interplay of complex word structures and biological information processing. Long range correlations are also known to exist in genomes at different length scales, and genome sequences have been shown to be multi-fractals. I will also show that the multi fractal properties of these DNA sequences can be used to classify very closely related organisms (sub and sub-subypes of HIV-1 strains). The questions to be explored are the origin of the compositional complexity in DNA, and its functional and evolutionary implications.

Pages