Cliquez-ici,
puis appuyez sur le bouton vert "rejoindre cette équipe".
Comment
sélectionner le projet Help Conquer Cancer une fois inscrit
Mes Projets
(sélectionner Help Conquer Cancer, éventuellement
cocher l'option tout en bas du formulaire pour recevoir des
unités d'autres projets lorsque aucune unité Help
Conquer Cancer n'est disponible), valider en appuyant sur enregistrer
(en bas à droite)
Les résultats
: Domaine public
Le World Community Grid met
sa technologie à disposition des seules organisations
publiques ou à but non lucratif pour qu'elles l'utilisent
dans des recherches humanitaires qui, autrement, risqueraient de ne pas
aboutir en raison du coup élevé de
l'infrastructure informatique nécessaire en l'absence
d'infrastructure publique. Dans le cadre de notre engagement
à faire progresser le bien-être de l'Homme, tous
les résultats seront versés au domaine public et
transmis à la communauté scientifique mondiale.
Message
introductif de Igor Jurisica
Bienvenue dans le projet "Lutte Contre
le Cancer" (Help Conquer Cancer), et merci
de votre participation à cette importante recherche.
L'objectif de notre projet est d'améliorer les
résultats de cristallographie aux rayons X des
protéines, ce qui permettra aux chercheurs, non seulement,
d'annoter les parties inconnues du protéome humain, mais
surtout, d'améliorer leur compréhension dans
l'initiation, la progression et le traitement du Cancer. Bien que notre
objectif soit le cancer, les résultats de ce projet pourront
aider à combattre d'autres maladies.
L'analyse des résultats de cette expérience
amènera à une meilleure compréhension
des principes sous-jacents de la cristallographie des
protéines. Pour la première fois, une analyse de
l'image cristallographique sera effectuée, ce qui
était impossible auparavant en raison de la
complexité computationnelle. Aussi, CrystalVison
sera amélioré afin de fournir une plus rapide et
une plus précise classification des images. En outre, la
détermination de plus de structures de protéines
en 3 Dimensions permettera d'accroitre la prédiction de
structure in silico .
Je vous remercie encore de votre contribution essentielle à
ce projet. C'est grandement apprécié, puisqu'il
nous faudrait 162 années pour effectuer ce calcul sur notre
plus puissant ordinateur. Aussi, grâce à la
communauté mondiale, nous espérons finir ce
projet d'ici 1 ou 2 ans, nous allons commencer à analyser
les données de façon incrémentale.
Nous vous tiendrons informés de nos résultats sur
ce
site.
Statut et
résultats du projet :
Vous trouverez des informations détaillées, et
l'avancement du projet sur le site internet
de l'Université de Toronto. Vous pouvez
écrire vos commentaires, vos remarques et vos questions sur
le forum
du projet.
Objectif :
L'objectif du projet Help Conquer
Cancer est d'analyser des images (86 millions)
représentant 9 400 protéines
suspectées de jouer un rôle dans le
développement de différents cancers. Ces
protéines seront traitées par cristallographie,
cette méthode devrait aider les chercheurs à
trouver des protéines inconnues et suspectes. Pour en
arriver à la création d'une liste de cette
envergure, les protéines seront triées par forme
et groupements chimiques. Ceci permettra d'améliorer de
façon importante les connaissances des chercheurs sur le
début du cancer ainsi que sa progression et permettra de
trouver un traitement plus efficace.
La portée du
projet :
Afin d'améliorer
significativement la compréhension du cancer et donc des
traitements possibles, la nouvelle approche thérapeutique se
veut capable de repérer les métastases (autrement
dit la croissance du cancer, vers une autre partie de l'organisme).
Elle devrait être capable non seulement de
détecter la maladie, mais elle devrait également
permettre d'identifier précocement les premiers marqueurs de
la maladie.
Les chercheurs ont abouti à
une découverte importante lors d'une étude sur
plusieurs cas de cancers humains, et ce même s'ils ne
disposaient que d'un nombre limité d'informations concernant
les protéines étudiées.
Malgré cela, pour mieux comprendre les cancers et les
traitements associés, il est primordial pour les
scientifiques de découvrir de nouvelles protéines
impliquées dans des cancers, mais il faut
également connaître leur structure et leurs
fonctions.
Les scientifiques sont
particulièrement intéressés par
certaines protéines dont les fonctions pourraient les relier
aux cancers. Ces protéines sont soit
sur-représentées, soit
sous-représentées dans les cancers, ou bien
encore ces protéines ont été
modifiées ou ont subi une mutation, de telle
façon qu'au final, leur structure est modifiée.
L'amélioration de la
cristallographie par rayons X devrait permettre rapidement aux
chercheurs de déterminer la structure de nombreuses
protéines impliquées dans des cancers. Ceci
conduira à une amélioration de la
compréhension du rôle joué par ces
protéines et cela devrait permettre des interventions
pharmaceutiques
potentielles pour ces maladies mortelles.
A propos du projet
Cristallographie
à rayons X
La cristallographie
par rayons X est l'une des méthodes
préférencielles pour la détermination
des
structures de
protéines. A l’aide de cette
méthode, les scientifiques utilisent la filière
de
cristallisation à
haut rendement pour aider à gloser les parties inconnues du
protéome
humain, qui aideront à améliorer la
compréhension de
l’initiation, de la progression et du traitement du cancer.*
La cristallographie
à rayons X nécessite un processus en 2
étapes :
Cristalliser la protéine : bien que plus
complexe, cette étape est similaire à mettre du
sucre dans une tasse
d’eau et à laisser le tout décanter un
bout de temps. Lorsque l’eau
s’évapore, de petits cristaux de sucre
apparaissent.
Envoyer les rayons X à travers le cristal :
Selon comment ils se diffractent, un modèle
mathématique est utilisé pour
déterminer et observer la structure de la
protéine.
Cristalliser une
protéine
n’est pas une procédure directe. Il existe des
centaines
de critères qui peuvent affecter le processus
(concentration de la protéine et de la solution,
température, pH,
adjuvants chimiques, etc.), mais les scientifiques doivent
déterminer une combinaison appropriée de ces
critères pour obtenir la
cristallisation de la protéine. Par exemple, pour le sucre,
si
l’on
change l’eau par un autre liquide, la température
ou les
concentrations, vous pouvez ne pas obtenir de cristaux. A
l’identique,
pour une protéine donnée, le défi est
de
connaître quelles conditions
mèneront à la formation du cristal –
quelle
solution, quelle
température, quel pH, ...
Le
cristal de protéine résultant doit aussi
être bien
formé
et suffisamment large pour que les rayons X puissent
détecter la
structure de la protéine à une haute
résolution.
Si les conditions ne
sont pas parfaites pour la cristallisation de la protéine,
le
processus
peut fournir soit un microcristal, qui est trop petit pour
déterminer la structure ; soit un
précipité,
qui montre quelques
changements, mais ne mène pas à la
cristallisation de
manière directe ;
ou encore ne produire aucun changement.
La situation est frustrante puisque, et c’est une autre
barrière à la progression, de manière
générale, plus les protéines sont
importantes pour la recherche sur le cancer, plus leur cristallisation
est difficle à obtenir. Beaucoup de protéines
concernées par le cancer
sont de longues chaînes, ou bien requièrent des
protéines
additionnelles pour se replier de manière correcte et ne
peuvent
pas
être cristallisée par elles-mêmes.
Dans
le but d’effectuer les millions de combinaisons
nécessaires pour cristalliser avec succès une
protéine, les
scientifiques utilisent des robots pour effectuer le travail. Les
robots sont capables de mettre en place les différentes
conditions de
cristallisation plus rapidement et plus
précisément. Pour faciliter
ensuite le processus, le résultat de chacune des millions
d’expériences
de cristallisation est photographié.
Actuellement, les
scientifiques du Hauptman-Woodwart Medical
Research Institute (HWI) situé à Buffalo ont
effectué plus de 86
millions d’expériences de cristallographie pour
plus de 9 400
protéines. En conséquence, ils disposent de 86
millions de photos de ces
protéines qui ont été
envoyé au cristallographe à rayons X à
haut
rendement. Chacune de ces photographies a besoin
d’être analysée pour
déterminer quel est le résultat de
l’expérience – c'est-à-dire
un cristal,
un précipité, une séparation de
phases, un effet de peau, ou pas de changement.
L’un
des défis est posé par l’extraordinaire
taille de cette base de
données, qui requiert plus de 25 To d’espace de
stockage (ou
l’équivalent de plus de 9 000 DVD). Le
superordinateur IBM's Blue Gene
a fourni une assistance au cours de cette phase du travail, en
exécutant un algorithme de compression spécial
pour réduire la taille
de ces images sans perdre leur contenu. L’autre
défi est d’analyser
complètement une image afin de déterminer la
cristallisation finale,
une tâche qui requiert environ 10 heures sur un seul
ordinateur. Les
chercheurs auraient donc besoin de pratiquement 100 000 ans
pour analyser
les photos existantes.
World
Community Grid et "Help Conquer Cancer"
En utilisant la
puissance du World
Community Grid (WCG), les
scientifiques de l’Ontario Cancer Institute (OCI), de
l'Hôpital
Princess Margaret et de l’université Health
Network analyseront les 86
millions
de photos existantes de protéines qui ont
été examinées par la chaine
de cristallisation à haut rendement du HWI. WCG
exécutera un programme
CrystalVision que les chercheurs de l’OCI ont
développé pour analyser
la physionomie de chaque image afin de déterminer le
résultat des
analyses
de cristallisation – cristal, microcristal,
séparation de phases, effet
de peau, précipité ou pas de changement.
Si un cristal est obtenu, les cristallographes peuvent
envoyer la protéine dans un processus
d’optimisation afin de déterminer
les conditions optimales pour la cristallisation, et au final
réaliser
une expérience de diffraction afin de déterminer
la structure de la
protéine. De plus, les scientifiques peuvent comparer les
protéines qui
ont bien cristallisées avec celles de structure inconnue qui
ont des
caractéristiques similaires d’après les
résultats des examens de
cristallisation. Cela peut être le point de départ
pour la
cristallisation de ces protéines ce qui mènerait
à la détermination de
leur structure.
Si
le cristal produit n’est pas bien formé, ou
qu’il n’est
pas assez grand, les scientifiques peuvent tout de même
utiliser les
informations pour les aider à déterminer les
conditions nécessaires
pour créer un cristal bien formé. Par exemple,
ils peuvent apprendre
que la protéine X sous la condition A donne un microcristal,
et que la
protéine A sous la condition Z donne
aussi un microcristal. En ce basant sur ces informations, ils peuvent
effectuer des expériences supplémentaires pour
déduire quelles
conditions doivent être optimisées pour
créer un cristal plus grand et
mieux formé.
L’analyse des résultats de cette
expérience mènera aussi à
une meilleure compréhension des principes sous-jacents de la
cristallographie protéinique. Pour la première
fois, une analyse
complète des images cristallographiques sera
réalisée, ce qui était
impossible auparavant en raison de la complexité des
calculs. A son
tour, CrystalVision sera amélioré pour fournir
une classification des
images plus rapidement et avec une meilleure précision.
Améliorer le processus de cristallographie des
protéines
permettra aux chercheurs de déterminer plus rapidement la
structure de
nombreuses protéines ayant un lien avec le cancer. Cela
mènera à l’amélioration de
notre compréhension de la fonction de ces
protéines, et permettra aux
interventions pharmaceutiques potentielles de traiter cette maladie
mortelle.
* Il existe d’autres approches pour comprendre la structure
et la
fonction d’une protéine, notamment avec la
méthode utilisée par le projet Human
Proteome Folding qui fonctionne également
sur WCG. Etant donné
la nature vitale de ce travail, il est important d’utiliser
toutes les
techniques de recherche permettant de compléter notre
compréhension de
l’organisme humain et de la maladie.
Les
participants
aux recherches
Chercheur
Igor Jurisica, Chercheur principal, Institut du Cancer de
l'Ontario
Informaticien
Christian A. Cumbaa , Associé de recherche,
Institut du Cancer de l'Ontario
Quels
sont les avantages potentiels du projet "Help Conquer Cancer" ?
Il existe plusieurs avantages directs
et indirects à ce projet. Pour la première fois,
les scientifiques vont mener une analyse d'image et une classification
complète des images issues de la cristallographie. Cela conduira
à une meilleure compréhension du processus de
cristallisation, et permettra aux scientifiques d'améliorer
la précision et la rapidité de CrystalVision.
L'amélioration de la compréhension des processus
de cristallisation et l'amélioration de CrystalVision vont
également permettre de cristalliser plus rapidement
davantage de protéines liées à des
maladies. Enfin, plus de structures en 3D permettront
d'améliorer notre compréhension de la maladie et,
potentiellement, de son traitement, et mèneront à
l'amélioration de la prédiction des structures
"in silico" (réalisée à partir d'un
ordinateur ou par simulation sur ordinateur).
Quels
ordinateurs peuvent exécuter le projet "Help Conquer Cancer"
?
En raison de l'imprécision
inhérente à l'analyse d'images, le projet demande
une configuration très modeste en terme de
mémoire vive et de processeur. Toutefois, s'ils n'avaient
pas accès à des milliers de processeurs, les
chercheurs ne seraient pas en mesure de traiter 80 millions d'images
dans des délais raisonnables. Plusieurs plates-formes seront
en mesure de faire fonctionner le projet, World Community Grid va dans
un premier temps proposer des exécutables Linux et Windows,
puis Mac OS dans un second temps.
Quels
vont être les résultats des calculs du World
Community Grid ?
CrystalVision calculera des milliers de
caractéristiques pour chacune des images issues de la
cristallographie. Ces données mesurent
objectivement certaines caractéristiques de
l'image, ce qui permettra aux chercheurs d'utiliser un
système de
discernement de la classification d'images.. D'autre part,
ceci leur permettra de caractériser automatiquement et
objectivement des résultats à partir des
écrans de cristallisation à
haut débit, puis d'appliquer des techniques d'extraction de
données
pour optimiser les expériences futures de cristallisation.
Que
se passera-t-il avec les données
générées par tous ces calculs?
Après de soigneuses
analyses, évaluations et interprétations, tous
les résultats seront publiés dans le domaine
public.
L'objectif principal des chercheurs est d'améliorer le
système CrystalVision pour permettre une classification
automatisée, précise et rapide d'images
cristallographiques. Cet algorithme sera alors
déployé à l'institut de recherche
médicale Hauptman-Woodward pour s'assurer que ce service de
criblage cristallographique public et à grande
échelle pourra accélérer la
cristallisation de nombreuses protéines liées
à certaines maladies.
Dans
combien de temps ce projet se terminera t'il ?
Une fois le projet lancé,
nous aurons une meilleure idée du temps requis pour traiter
les images sur World Community Grid. Cela dépendra du nombre
d'ordinateurs qui calculeront et le nombre de projets
simultanément en fonction sur World Community Grid.
Toutefois, les chercheurs possèdent plusieurs
séries d'images intéressantes, qui seront
analysées en premier lieu, permettant de disposer de
résultats préliminaires au bout de quelques
semaines.
Ces images sont composées d'un ensemble
préalablement analysé par une version
antérieure de CrystalVision, ainsi que par plusieurs experts
humains.
Lorsque
je regarde les images de mon écran de veille, peut-on
m'expliquer ce que fait mon ordinateur ?
Chaque unité de travail
représente une photographie de la cristallisation d'une
protéine (une sur un total de 1536 images par
protéine, photographiée 6 fois sur une
période d'un mois), une reproduction visuelle de
l'état d'une protéine dissous dans une solution
servant d'agent de cristallisation. Cette photographie est
située à l'arrière plan de
l'écran de veille. Votre ordinateur exécute une
analyse de vision informatique de cette image pour
interprétrer son contenu. Premièrement, cela
consiste à déterminer les principales
caractéristiques qui seront utilisées pour
classifier (ou cataloguer) le résultat de
l'expérience. Durant cette caractérisation
informatique de l'image, vous verrez des étapes
intermédiaires, elles sont
représentées par les cercles colorés
qui apparaissent au premier plan de l'écran de veille.
Cette analyse est une recherche de 4
grandes catégories caractéristiques :
microcrystaux, lignes droites, objets divers et
carastéristiques texturales. Les étapes
intermédiaires de l'analyse texturale sont
représentées par les disques de couleur qui
apparaissent au premier plan de l'écran de veille. A chaque
fois qu'une étape est terminée, le
résultat calculé apparaît sur
l'écran de veille. Chaque disque est une reproduction de
l'image originale, retouchée pour mettre en relief les
différentes textures.
Que
signifie cet objet en forme de cratère lunaire en
arrière plan ?
L'image en arrière plan est
une microphotographie suite à une expérience de
cristallisation d'une protéine. L'expérience a
lieu dans une gouttelette d'eau de la taille d'une tête
d'épingle (200 nanolitres), en suspension dans un contenant
rempli d'huile. Les parois du contenant et la gouttelette
approximativement circulaire sont visibles sur la photo. A
l'intérieur de la gouttelette, le
précipité d'une protéine ou d'un sel,
ou même le crystal d'une protéine doit
être visible.
Que
sont ces disques ? Chaque disque a une couleur différente.
Peut-on m'expliquer ce que cela signifie ?
Chaque disque correspond à
la visualisation d'une estimation de texture différente
appliquée à l'image en arrière plan.
Ainsi, lorsque 2 disques ont des couleurs différentes, cela
signifie que les textures sont plus ou moins proéminentes
pour chaque point de l'image. Vingt-six textures peuvent être
visualisés dans cet écran de veille.
Chaque mesure s'intéresse
à la fréquence de retour des niveaux de gris
entre les paires de pixel de l'image, et résume ces
fréquences en utilisant le contraste, la
corrélation, la variance et l'entropie entre chaque pixel.
Chacune des 13 catégories de statistiques est
mesuré plusieurs fois en faisant varier l'orientation
relative des paires de pixel.
Chaque disque permet de visualiser les
résultats de la recherche pour une texture
particulière de l'image originale. La recherche de texture
se déroule en 3 étapes. La première
étape consiste à détecter les plus
fins changements des niveaux de gris de l'image, la seconde
étape détecte les changements dans des niveaux de
détail moyen, et la 3ème étape les
changements dans des niveaux de détail plus
épais. Vous pouvez visualiser ces 3 étapes en
suivant les flèches rouge (1er étape), verte
(étape 2) et bleue (étape 3) qui
décrivent un processus de traitement complet (image
ci-dessous). Une région en bleu indique que cette partie de
l'image originale a une texture plus visible lorsque l'on
étudie les changements des niveaux de gris à des
niveaux de détails épais.
J'ai
noté que le disque le plus à droite est de temps
en temps remplacé par un nouveau disque et que tous les
autres disques se déplacent vers la gauche et le dernier
disparaît. Que se passe t'il ?
L'écran de veille ne montre
que les 10 dernières images analysées. Lorsqu'une
image est analysée, son résultat s'affiche, et
l'analyse la plus ancienne est retirée.
La gestion de son compte Se rendre sur la page d'accueil du site WCG : www.worldcommunitygrid.org/
Choisir Mes Calculs dans le menu en haut.
Vous pouvez aussi y accéder
directement en appuyant sur ce
lien
Rentrer son nom de membre ainsi que son mot de passe.
Vous avez la
possibilité de gérer les
préférences vous concernant.
Notamment de changer votre nom de membre, d'avoir une vue d'ensemble
des unités calculées,
ou de changer les préférences du projet dans les options avancées.
Il est aussi possible de choisir dans Mes projets si voulez
participer à un ou plusieurs projets en particulier, ou de
demander à participer au bêta test de nouveaux projets.
Lorsqu'un nouveau projet arrive sur
WCG, il est automatiquement coché sur tout les comptes.
C'est à l'utilisateur de faire la démarche si il
ne souhaite pas participer à ce nouveau projet.
Cet article a été publié le 11-11-2007 02:08. Vous pouvez suivre les commentaires suscités par cet article grâce au fil RSS 2.0. Vous pouvez laisser un commentaire.
Dernière mise à jour 03-04-2008 14:30
Vos commentaires (0)
Seul les utilisateurs enregistrés peuvent commenter un article.
Le
cristal de protéine résultant doit aussi
être bien
formé
et suffisamment large pour que les rayons X puissent
détecter la
structure de la protéine à une haute
résolution.
Si les conditions ne
sont pas parfaites pour la cristallisation de la protéine,
le
processus
peut fournir soit un microcristal, qui est trop petit pour
déterminer la structure ; soit un
précipité,
qui montre quelques
changements, mais ne mène pas à la
cristallisation de
manière directe ;
ou encore ne produire aucun changement.
Dans
le but d’effectuer les millions de combinaisons
nécessaires pour cristalliser avec succès une
protéine, les
scientifiques utilisent des robots pour effectuer le travail. Les
robots sont capables de mettre en place les différentes
conditions de
cristallisation plus rapidement et plus
précisément. Pour faciliter
ensuite le processus, le résultat de chacune des millions
d’expériences
de cristallisation est photographié.
L’un
des défis est posé par l’extraordinaire
taille de cette base de
données, qui requiert plus de 25 To d’espace de
stockage (ou
l’équivalent de plus de 9 000 DVD). Le
superordinateur IBM's Blue Gene
a fourni une assistance au cours de cette phase du travail, en
exécutant un algorithme de compression spécial
pour réduire la taille
de ces images sans perdre leur contenu. L’autre
défi est d’analyser
complètement une image afin de déterminer la
cristallisation finale,
une tâche qui requiert environ 10 heures sur un seul
ordinateur. Les
chercheurs auraient donc besoin de pratiquement 100 000 ans
pour analyser
les photos existantes.
World
Community Grid et "Help Conquer Cancer"
Si
le cristal produit n’est pas bien formé, ou
qu’il n’est
pas assez grand, les scientifiques peuvent tout de même
utiliser les
informations pour les aider à déterminer les
conditions nécessaires
pour créer un cristal bien formé. Par exemple,
ils peuvent apprendre
que la protéine X sous la condition A donne un microcristal,
et que la
protéine A sous la condition Z donne
aussi un microcristal. En ce basant sur ces informations, ils peuvent
effectuer des expériences supplémentaires pour
déduire quelles
conditions doivent être optimisées pour
créer un cristal plus grand et
mieux formé.
