Expériences

Cette équipe a alors mis au point une méthode innovante d’identifcation des moustiques et des tiques grâce à la technologie MALDI-TOF MS. Cette technologie permet de caractériser chaque moustique/tique par son empreinte protéique qui s’apparente un spectre, semblable à un électrocardiogramme. Chaque espèce de moustique/tique possède une forme de spectre qui lui est spécifque. Une base de données de référence a été construite par cette équipe contenant les spectres références de chaque espèce de moustique/tique. Le principe de l’identifcation consiste à interroger chaque spectre à la base de données de référence est de déterminer le nom de l’espèce pour lequel le spectre de référence est le plus ressemblant. C’est ce qu’on appelle faire du spectral matching. Jusqu’à présent pour analyser ces spectres et les identifer, l’unité de recherche utilisait 3 logiciels propriétaires qui à la base n’était pas conçu pour identifer les moustiques mais les bactéries. L’équipe se retrouve alors limitée par les fonctionnalités de ces logiciels qui ne sont pas taillées pour répondre aux problématiques de l’étude des moustiques/tiques. Les possibilités d’analyses s’en retrouvent alors limitées. C’est dans ce contexte que Khalil intervient pour concevoir à partir d’une feuille blanche une application web d’analyses de données qui va reprendre les fonctionnalités phares de ces trois logiciels, permettre de faire de l’identifcation et ajouter des fonctionnalités qui vont permettre de pousser le degré d’analyse plus loin.

Mission

• Etablissement d’un cahier des charges comprenant la réalisation de maquettes d’interfaces et graphiques et la conception d’un workÖow d’analyses de données qui répond sur-mesure aux besoins clients.

• Mise en place d'un contrôle qualité des données qui jusqu’à présent n’existait pas dans les logiciels utilisés et qui était fait « à la main ».

• Création d’un algorithme de spectral matching pour pouvoir faire de l’identifcation d’espèce à partir des spectres de moustiques/tiques.

• Mise en place d’une méthode de scoring pour classer les résultats d’identifcation

• Déploiement de l’application pour qu’elle fonctionne en hors ligne sur un navigateur Internet pour Windows via un fchier d’installation .exe et les autres systèmes via une containérisation Docker.

Résultats

• Amélioration de la qualité d'analyse des spectres grâce à notamment l’implémentation d’un contrôle qualité des données.

• Permettre de s’émanciper de ces logiciels propriétaires avec une application sur-mesure dont on connait parfaitement les algorithmes qui se trouvent derrière chaque étape de l’analyse, ce qui permet de gagner en fnesse d’analyse

• Ce projet d’application web sera poursuivi et donnera lieu à plusieurs publications scientifques, un stagiaire est actuellement en train de poursuivre le développement de l’application.

Environnement technique

• HTML

• CSS

• Javascript

• R

• Rstudio

• RShiny

• Docker

• InnoSetup

Missions

• Ecoute des besoins clients et établissement d’un cahier des charges comprenant la réalisation de maquettes d’interfaces graphiques

• Reprise des macros déjà existantes de traitement des données, actualisation du code de Python 2 à Python 3

• Création des interfaces graphiques avec Tkinter, implémentation de la visualisation des courbes de forces avec Matplotlib

• Mise en place d’un contrôle qualité des données et d’une classifcation semi-automatique

• Un git a été mis en place pour le contrôle des versions du développement du logiciel

• Par souci de reproductibilité, ce logiciel a été développé dans un environnement virtuel (Anaconda)

Résultats

• Logiciel livré aux biologistes qui peuvent grâce à une interface user-friendly l'utiliser sans requérir des notions en programmation ou en ligne de commandes

• Le traitement des données et la visualisation des courbes de forces ont pu être systématisé

• Le traitement et la classifcation semi-automatisée des courbes de forces proposés par ce logiciel permet un gain de temps considérable. Jusqu’à présent deux semaines pouvaient être nécessaire pour exectuer ce travail tandis que qu’avec le logiciel, ce même travail peut être exectué en quelques minutes

Environnement technique

• Linux, Bash
• Git
• Python, Anaconda, Tkinter, Matplotlib, Numpy, Scipy, Pandas
• Programmation Orientée Objet