Skip to content

Les technologies à haut débit génèrent des volumes considérables de données expérimentales, qu'il s'agisse de transcriptomique, de protéomique ou d'autres approches à grande échelle. Interpréter biologiquement ces listes de gènes ou de protéines constitue un défi majeur : au-delà de l'identification des composants individuels, il faut rendre compte de leurs interactions au sein de voies métaboliques et de réseaux fonctionnels. Des outils logiciels capables de réaliser ce type d'analyse de façon automatisée sont donc de plus en plus nécessaires. C'est dans ce contexte que s'inscrit ClueGO, une application de la plateforme Cytoscape qui sélectionne les termes d'ontologie des gènes (Gene Ontology) et les voies biologiques les plus représentatifs pour une ou plusieurs listes de gènes ou de protéines, puis les organise et les visualise sous forme de réseaux fonctionnellement structurés.

Reconnue pour sa fiabilité, sa simplicité d'usage et sa prise en charge de nombreuses espèces, ClueGO a rassemblé une large communauté d'utilisateurs. Toutefois, l'enchaînement d'analyses multiples au sein de flux de travail complexes peut s'avérer chronophage et source d'erreurs lorsqu'il repose sur une manipulation manuelle via l'interface graphique. Pour y répondre, les auteurs ont intégré à ClueGO l'interface de programmation cyREST de Cytoscape, à partir de la version 2.5.0. Cette nouvelle fonctionnalité offre un accès programmatique aux analyses fonctionnelles de l'application depuis des langages comme R, Python ou JavaScript, de façon complémentaire à l'usage graphique classique. Les fonctions accessibles par REST sont appelées via une adresse combinant l'hôte, le port et la requête souhaitée, les réponses étant renvoyées au format JSON, en texte tabulé ou en données binaires.

Une analyse ClueGO type se déroule en quatre étapes principales. La première consiste à sélectionner l'organisme : l'humain et la souris sont inclus par défaut, et plus de deux cents autres espèces peuvent être téléchargées. La deuxième étape correspond au chargement d'une ou plusieurs listes de gènes ou de protéines, l'application reconnaissant automatiquement de multiples types d'identifiants à partir des bases NCBI, UniProtKB et Ensembl. La troisième étape sélectionne les termes GO et les voies représentatifs selon des filtres prédéfinis. Enfin, l'analyse d'enrichissement produit un réseau regroupant les termes connectés sur la base d'un score kappa, qui tient compte du nombre de gènes partagés entre deux termes et définit les groupes fonctionnels. Les résultats statistiques, le réseau et les différentes représentations graphiques sont récupérables via les fonctions cyREST.

Pour illustrer concrètement cette approche, les auteurs fournissent en matériel supplémentaire des exemples d'analyse en R et en Python portant sur des listes de gènes de lymphocytes B et de cellules NK, dont les résultats sont présentés sous forme de réseaux de voies. Ces travaux montrent ainsi comment intégrer ClueGO à d'autres applications Cytoscape et à des bibliothèques externes afin de réaliser des analyses fonctionnelles de manière programmatique, au sein de pipelines bioinformatiques.