CONSTRUCTION DE CHAINES D'ANALYSES AUTOMATISÉES (GALAXY)

Yvan Le Bras yvan.le_bras@irisa.fr

Cyril Monjeaud, Olivier Quenez, Mathieu Bahin, Olivier Collin

Plateforme Bio-informatique GenOuestCNRS UMR 6074 IRISA-INRIA, Campus de Beaulieu, 35042 Rennes Cedex

INTRODUCTIONConcepts, principes, principaux outils

Life Sciences Research evolution

http://en.genomics.cn/navigation/show_navigation.action?navigation.id=143Technological Evolutions

Uses Evolution

High Performance Computing

Data quantity

Data sizeData heterogeneity

Life sciences data = digital

Evolution de la recherche

Données digitales

Capteurs

AnalyseursUtilisateurs

Séquenceur

Caméra sous marine

Microscopes électronique

Puce à ADN

Spectromètre de masse

IRM

Sondeurs

GPS

Concepts• Google : Requête « workflow + bio-informatique »• Galaxy• Biorigami

• Wokflow ou automatisation de processus• Pérennisation des processus analytiques• Sortir de la logique « projet »• Création de processus d’analyses génériques

• Outil permettant d’exécuter un ensemble de processus de façon automatique

• Pipelines très présents en bio-info même si peu utilisés!• Permet aux chercheurs en Biologie d’analyser leurs données de façon

relativement transparente et quasiment sans l’aide d’informaticiens

Principes• Génériques• Automatisation des processus d’analyse (outil/composant) en les reliant

dans un pipeline• Lancer des analyses sur des architectures matérielles complexes• Cluster• Grilles de calculs• Cloud

• Formalisation du processus d’analyse• Enchaînement de boîtes

Exemples d’outils• Faciles à prendre en main mais moins flexibles• Galaxy• Mobyle• Taverna• Knime• BioMOBY• …

• Difficiles à prendre en main mais plus flexibles• Ergatis• Pegasys• WildFire• Kepler• …

Principes

extrait de « Accelerating the scientific exploration process with scientific workflows«Ilkay Altintas et al 2006 J. Phys.: Conf. Ser. 46 468 doi:10.1088/1742-6596/46/1/065 

Workflow pour la Biologie

Bio-informatique

Biologie

Informatique

-Trouver des biomarqueurs

-Comprendre la structure génétique de populations

-Modéliser le comportement d’un système

-Créer un outil de comparaison de séquences

-Développer de nouvelles méthodologies

-Concevoir un portail web dédié à l’analyse

-Proposer des ressources techniques fiables

et adaptées

GALAXY BY GENOUESTRetours d’expérience

Galaxy• Faciliter l’intégration d’outils • Pas de développement « graphique »• Création d’un descripteur• Liaison avec le logiciel ou le script• Supporte de nombreux langages dont Bash, Python, Perl, R, …

• Faciliter l’analyse par des non-bio-informaticiens• Pas besoin de connaitre des langages de programmation• Enchaînements d’outils différents (provenance, type de langage, …) dans

une même interface• Gain de temps -> à utiliser pour mieux connaître le fonctionnement des

outils• Faciliter le partage• jeux de données, historiques, visualisations, workflows, pages, …• Optimisation des ressources informatiques

Galaxy• Orientation principalement NGS• mais flexible!• Protéomique, Métabolomique, Génétique quantitative, Bio-imagerie, SHS, …

• La fonctionnalité de workflow : La cerise sur le gâteau!• Galaxy = Environnement complet• Analyse, Visualisation, Workflows, Partage, …

• Vision simplifiée mais efficace• Prise en main intuitive• Rapidité et simplicité

• Outil essentiel dans le cadre du 4ième paradigme• Accessibilité• Reproductibilité• Transparence• Optimisation

Galaxy• Workflows et… workflows• Coût de développement variable• Création en 10 minute. Un workflow = 1 outil!• Projet de collaboration sur x années

• Portée variable • nombre d’utilisateurs• nombre de communautés utilisatrices

WORKLOW IN GALAXYFonctionnement

Des données au workflow : L’historique

Provenance des données Suivi des traitements Conversion vers un workflow

Notion d’historique Notion de workflow

Créer un workflow

GALAXY BY GENOUESTAvantages, limites et verrous identifiés

Avantages• Gestion de l’édition• Visualisation• Mécanisme d’intégration

Avantages• Gestion des composants• Liens entre composants• Ajout, modification, suppression facilité

• Ajout/suppression de composants

Avantages• Gestion des métadonnées• Exploitation au niveau des composants• Type de données d’entrée et sortie• Annotation de l’outil

Avantages• Gestion des actions• Modification des actions d’un composant• Renommer la sortie• Changer le format de donnée• Assigner des colonnes• Notification par email

• Sorties d’outils = sorties de workflow?• Si oui, le préciser• Si non, les sorties seront cachées

Avantages• Gestion de l’accessibilité• Reproductibilité

Avantages• Gestion de l’accessibilité• Partage, échange, publication

Avantages• Gestion de l’accessibilité• Partage, échange, publication

Avantages• Gestion d’exécution• Dans Galaxy

Avantages• Gestion d’exécution• Dans Galaxy• Gestion des jobs sur un cluster

Avantages• Gestion d’exécution• Dans Galaxy• Gestion des jobs sur un cluster• À distance : API

Avantages• Gestion d’exécution• Dans Galaxy• Gestion des jobs sur un cluster• À distance : API• Cloud

Avantages• Administration

Limites et verrous• Quelques difficultés• Version des outils

Limites et verrous• Quelques difficultés• Version des outils

Limites et verrous• Quelques difficultés• Version des outils• Simplifié… donc• Difficulté à gérer les entrées et sorties multiples• Modifications lors du lancement possibles mais limitées

Limites et verrous• Quelques difficultés• La parallélisation

Pistes : Utilisation de l’API et du cloud…

Solutions proposées• Local, en ligne ou via le cloud• Interface utilisateur uniquement via un serveur web• Installation locale en moins de 10 minutes

Solutions proposées• Local, en ligne ou via le cloud• Interface utilisateur uniquement via un serveur web• Installation locale en moins de 10 minutes• Mais nécessite• De s’occuper de l’administration complète• la présence des outils (liens vides souvent)

• Perte des avantages du système• Notre vision• Pas ou peu fait pour une utilisation locale• Privilégier le cloud

Références• Galaxy

• Page d’accueil wiki : http://wiki.galaxyproject.org/FrontPage• Vidéos : http://wiki.galaxyproject.org/Learn• Workflows publics : https://usegalaxy.org/workflow/list_published• J. Goecks, A. Nekrutenko, J. Taylor, and The Galaxy Team, Galaxy: a comprehensive approach for

supporting accessible, reproducible, and transparent computational research in the life sciences.Genome Biol, 25;11(8):R86, 2010.

• Biorigami• Galaxy : un workflow pour l’analyse bioinformatique 12/2011 http://www.biorigami.com/?p=1480• Workflows : http://www.biorigami.com/?s=workflows&submit.x=-1117&submit.y=-218

• MyExperiment• Find, use and share scientific workflows : http://www.myexperiment.org/

• Solutions logicielles• KNIME : http://www.knime.org/• BioKepler : http://www.biokepler.org/• Taverna : http://www.taverna.org.uk/

• Solutions en ligne de commande• Makeflow: http://www3.nd.edu/~ccl/software/makeflow/

• …..