Une approche hybride pour une intégration sémantique des données biologiques de Pseudomonas

Abstract

Les Pseudomonas forment un large groupe colonisant le sol, les plantes et l’eau. Leur facilité de culture in vitro et la disponibilité d'un nombre croissant de séquences du génome de Pseudomonas ont fait de ce genre un foyer idéal pour la recherche scientifique. L’importance biologique fournie par les Pseudomonas dans le domaine de la recherche a donné naissance à un grand nombre d’informations. L’accumulation de ces informations dans des bases de données différentes a conduit à une hétérogénéité syntaxique et sémantique importante. Aujourd’hui, l’un des grands défis de la bioinformatique est de permettre aux biologistes d’accéder efficacement à plusieurs sources de données hétérogènes via des procédures automatiques. Dans ce cadre, notre travail a pour finalité la réalisation d’un environnement intégratif de données biologiques concernant les Pseudomonas. Ce travail entre dans le cadre d’une collaboration scientifique entre notre laboratoire de recherche LABIPHABE et le groupe KHAOS de l’université de Malage. L’originalité de notre travail est de combiner l’approche matérialisée (entrepôt de données) et l’approche virtuelle (médiateur) pour profiter de ces avantages à la fois. L’entrepôt va permettre l’accès direct et rapide aux données alors que le médiateur permettra l’intégration de différentes sources de données et aussi il permettra la mise à jour des données en cas de besoin. Notre entrepôt de données nommé PseudomonasDW intègre les données biologiques stockées dans cinq bases de données différentes accessibles via le Web : Genbank, PRODORIC, UniProt, KEGG et BRENDA. PseudomonasDW est un entrepôt de données semi-structuré pour l’intégration sémantique des données du genre Pseudomonas. Il a été conçu dans le but de répondre aux besoins des biologistes en matière de données génomiques, protéomiques et métaboliques. L’intégration des données à partir des sources de données hétérogènes représente la consolidation des données hétérogènes conduisant à la reproduction des nouvelles données ne peuvent pas être obtenues à partir d’une seules source.