Visualisation de Données Biologiques à l'aide de Jupyter et matplotlib

Mise en place de jupyter dans un environnement

CONDA ou VIRTUALENV

conda

Créez puis activez l'environnement

conda create --name <my_env_name>
conda activate <my_env_name>

virtualenv (python>3.7)

Créez puis activez l'environnement

python -m venv <my_env_name>
source <my_env_path>/bin/activate

Options et vérification

L'argument -p <path_python_bin> permet d'initialiser votre environnement avec n'importe quelle version de python disponible sur votre systeme.ex:-p /usr/bin/python3.10

Verifier les chemins de pip et python après activation:

• which python
• which pip

Ajout de l'environnement au notebook jupyter

python -m ipykernel install --user --name=<my_env_name>

poetry

Poetry est un gestionnaire de paquets et d'environnement moderne. Attention, contrairement à pip, poetry ne supporte pas l'utilisation directe d'un fichier requirements.txt. Il faudrait donc installer les dépendances de ces TP manuellement

poetry init --name <my_env>
poetry add "pendulum>=2.0.5" # libraries you want to use
poetry add -D jupyter # libraries for development use only

Pour lancer Jupyter dans l'environnement ainsi créé

poetry run jupyter notebook

Ou alors, si vous avez une instance globale de Jupyter, ajoutez-y l'environnement créé précedemment ainsi

poetry run ipython kernel install --user --name=<my_env>

Série de travaux pratiques

Etude de cas: Protéomique quantitative

• Contexte biologique: Effet de la Tetracycline sur le contenu protéomique d'E. coli

• Données tabulées de Spectrométrie de Masse * 3 mutants E.Coli dans 3 conditions * ~2000 protéines quantifiées.

Mise en place de l'environnement

• Telecharger le jeu de données auxilliare ici

• Vous l'extrairez dans ce repository tar -xjf data_2021.tar.bz

• L'organisation suivante est la plus simple

-VDB_jupyter/
        |_lib/
        |_data/
        |_exercices/
        |_TCL_wt1.tsv
        |_requirements.txt

Deux jeux de dépendances sont requis:

1. hebergées sur pipy, à installer via pip install -r requirements.txt.
2. locales au répertoire lib, à déclarer dans le notebook.

TP1a

• Lecture des données et manipulation avec la librairie PANDAS.
• Manipulation des bibliothèques SciPy et Numpy
• Production de figures matplotlib

TP1b

• Scatter-plot simple et avancé
• Mise en forme riche d'objet dans le notebook

TP2

• Un premier volcano plot interactif
• Rappel sur les palettes de couleurs
• Implémentation d'un volcano plot complexe

TP3

• widgets Jupyter
• layout Jupyter
• exemple basé sur volcano-plot
• projet libre