Flux de travail pour le traitement des données de microarray dans l'environnement Kepler

CONTEXTE : L'analyse des données de microarray a fait l'objet d'un développement de pipeline vaste et continu en raison de sa complexité, de la disponibilité de plusieurs options à chaque étape de l'analyse, et du développement de nouvelles demandes d'analyse, y compris l'intégration avec de nouvelles sources de données. Les pipelines de bioinformatique sont généralement construits sur mesure pour différentes applications, rendant leur modification, extension et réutilisation typiquement difficiles. Les systèmes de workflows scientifiques visent à résoudre ces problèmes en fournissant des cadres polyvalents dans lesquels développer et exécuter de tels pipelines. L'environnement de workflow Kepler est un système bien établi en développement continu qui est utilisé dans plusieurs domaines de la recherche scientifique. Kepler offre une interface graphique flexible, permettant un affichage clair des valeurs de paramètres, pour la conception et la modification des workflows. Il dispose de capacités pour développer de nouveaux composants computationnels dans les langages de programmation R, Python et Java, tous largement utilisés pour le développement d'algorithmes de bioinformatique, ainsi que de capacités pour invoquer des applications externes et utiliser des services web. RÉSULTATS : Nous avons développé une série de pipelines de bioinformatique entièrement fonctionnels abordant des tâches courantes dans le traitement des microarrays dans l'environnement de workflow Kepler. Ces pipelines consistent en un ensemble d'outils pour le traitement des fichiers GFF provenant de datasets de ChIP-chip de NimbleGen et des workflows plus complets pour l'analyse bioinformatique des microarrays d'expression génique Affymetrix et la conception de primers de base pour des expériences de PCR, qui sont souvent utilisés pour valider les résultats des microarrays. Bien qu'ils soient fonctionnels en eux-mêmes, ces workflows peuvent être facilement personnalisés, étendus ou réutilisés pour répondre aux besoins de projets spécifiques et sont conçus pour être une boîte à outils et un point de départ pour des applications spécifiques. Ces workflows illustrent un paradigme de programmation de workflow axé sur les ressources locales (programmes et données) et sont donc proches des approches de scripting traditionnel en shell ou en R/BioConductor pour la conception de pipeline. Enfin, nous suggérons que les workflows de traitement des données de microarray peuvent servir de base à une comparaison future basée sur des exemples de différents systèmes de workflow. CONCLUSIONS : Nous fournissons un ensemble d'outils et des workflows complets pour l'analyse des données de microarray dans l'environnement Kepler, qui a l'avantage d'offrir un affichage graphique clair des étapes conceptuelles et des paramètres et la possibilité d'intégrer facilement d'autres ressources telles que des données distantes et des services web.