Factory and Libraries for Automatic Metabolomic Exploration : F.L.A.M.E : Enrichir Galaxy d'analyses pour la métabolomique

Le projet FLAME (Factory and Libraries for Automatic Metabolomic Exploration) a pour objectif de proposer à la communauté scientifique internationale un outil bioinformatique rapide et efficace, disponible via une interface web pour l’annotation expertisée et à haut débit des empreintes métabolomiques. Après une phase de validation, nous avons sélectionné la plateforme web scientifique Galaxy, orientée génomique (http://galaxyproject.org/), avec l’ambition de l’enrichir d’outils dédiés au traitement de données métabolomiques. Dans le projet FLAME, l’approche de Galaxy s’est faite suivant deux angles distincts : - celui d’une personne voulant contribuer à l’amélioration de cette plate-forme par le développement de nouveaux outils ou par l’optimisation du fonctionnement général ; - celui de l’utilisateur sans connaissance en informatique, qui souhaite traiter ses données brutes et aller jusqu'à l’identification, voir à l’analyse des réseaux métaboliques. Suivant l’approche d’amélioration de Galaxy, de nombreux scripts d’analyses ont été développés et/ou intégrés à cette plateforme. Ils permettent l’extraction des signaux, des analyses statistiques et l’annotation par interrogation de banques de données. La conception de chaque outil d’analyse s’effectue de manière à ce qu’il puisse être enchaîné automatiquement avec d’autres par la fonctionnalité « workflows » de Galaxy. Le projet FLAME a permis de nouer de solides collaborations avec la plateforme bioinformatique ABIMS et les équipes de l’infrastructure nationale de métabolomique MetaboHUB. Ces échanges ont permis de développer de nouveaux outils de traitement, d’augmenter leur fréquence de mise à jour et de diversifier les stratégies d’analyses bioinformatiques. L’environnement Galaxy se propose de mettre à disposition des plateformes de production et de traitement de données en métabolomique, une boîte à outils aujourd’hui complète, des enchainements pré-paramétrés et optimisés, tout en disposant d’une totale traçabilité des analyses effectuées