A L I M E N T A T I O N

A G R I C U L T U R E

E N V I R O N N E M E N T

Panorama des réseaux et projets base de données G*E

1

Panorama

• Besoins et outils• Ontologies• Données brutes et élaborées• Exemple de Projets• Réseau d’outils.

2

Quels outils et quels besoins

• Outils d’acquisition de données• Outils de gestion de production de données• Outils d’intégration• Outils d’analyse

3

Paradigme

4

Parcelle

Bloc

…

Plante

Organe

Phenotype

Environnement

Itinéraire tech.

Outils d’acquisition

• Associés Base de données technique

Lemnatech Adonis …

• Fichiers bruts • Nettoyage• Validation• Spécifique • Besoins d’un format d’échange

générique (XML)?

5

Field, basic acquisition

Environment acquisition

Whole field phenotyping

Aerial imaging

Growth chambers Controlled environment

Outils de gestion de donnéesBesoins

• Outil local, quotidien• Utilisé par les équipes en charges

des expérimentations• Intégration depuis BD ou fichiers

de données brutes des outils d’acquisition

• Données phénotypes, environnement, ITK, …

• Analyse Validation Valorisation et production de

données élaborées

6

Environment acquisition

Controlled environment

Basic acquisition

Whole field phenotyping

Aerial imaging

Outils de gestion de donnéesBesoins Essais

• Plante annuelles Essais en conditions contrôlées Essais plein champs

• Plantes pérennes Essai multiannuel Réutilisation des mêmes plantes Cinétiques multi annuelles Contraintes forestières

7

Environment acquisition

Controlled environment

Basic acquisition

Whole field phenotyping

Aerial imaging

Outils de gestion de donnéesBesoins, Echelles

• Différentes échelles spatiales : Dispositifs champs Structure hétérogène

Parcelle, bloc, microparcelle, placette Parcelle, microparcelle, plante Parcelle, Plante

• Différentes échelles temporelles Mesure unique

Date de récolte

Mensuelle Série temporelle

Journalière Horaire Minute

Cinétiques

8

Environment acquisition

Controlled environment

Basic acquisition

Whole field phenotyping

Aerial imaging

Données Multi Echelles (P. Neveu)

Outils de gestion de donnéesBesoins SIG

• Phénotypage plein champs Pech Rouge Diaphen : Garic

Référence coordonnées spatiale Remplace plante/parcelle, …

• Forestier : EFPA / Plantacomp• CATI Ecoinformatique

(géomatique) Alain Benard Liste de diffusion

'géomatique'

9

Outils de gestion de donnéesSolutions

• LEPSE / MISTEA Phenodyn Phenopsys Cincalli Phenoarch Vigne : VitSeq, réutilisation des bases existantes Vinotech : orienté parcelle à Pech rouge

• Diaphen / Garic• SI environnementaux

Infosol Agroclim

Phenec (annuel)/ Phenoclim (pérenne) : impact changement climatique

10

Outils de gestion de donnéesSolutions

• PIC : Système de cultures (V. Cellier, R. Rau)• Phenomics Ontology Driven Data repository(PODD)

The Australian Plant Phenomics Facility En cours de dévelopement, open source Orienté projet Evalué dans le cadre de Phénome

Collaboration : Interopérabilité ou réutilisation.

11

Outils d’intégration

• Thalia Moulon, Phénotype + Génotype

• Intégration données phénotype et environnement Ephesis : intégration de plusieurs sources par

Centralisation de données Interrogation distribuées par Web Services

• Intégration données Génotypage, Expression et génétique

GnpIS Données parcellaire / lot données liées au génotype pour la

génétique

• Intégration passe par la capacité à gérer des données multiéchelles.

12

Ephesis

• Projet Communauté Genotype * Environnement Base de données intégrative / portail

• Attendus Pérennisation, archivage, organisation et tri Intégration par Insertion ou par Web Services Traçabilité génotype (RG), phénotype, environnement,

dispositif expérimental. Favoriser la visibilité nationale et internationale (Données et

Unités) Réorganisation dynamique et exportation des données pour

analyse Interopérabilité avec les outils d’analyses. Coopération avec les projets existants

13

Ephesis

• Périmètre Données plante/parcellaires dans un dispositif expérimental

Données génotype : autres projets GnpIS

Dispositif multigénotype. Données brutes et élaborées

Même structure technique Limite volume Données brutes ont besoin de métadonnées très fines pour être

exploitable ailleurs que sur le site de production.

• Pour qui INRA Partenaires académiques (EPST, universités, EPIC, …) Partenaires projets internationaux Privés

14

Ephesis• Beta publique disponible

http://urgi.versailles.inra.fr/ephesis

• Intégration d’essais• Prévisualisation et export.• Recherche multi essais

multicritères• Générique : Ontolgy Driven

Structures des dispositifs Variables

Environnementales Phénotypique

Itinéraires techniques

15

Ephesis

• Intégration multi essais Interrogation Export

• Réagencement : datamart, galaxy

16

Qu’est ce qu’une ontologie

• Biologiste Vocabulaire contrôlé

et structuré Définitions Hiérarchie Ordonnancement

• Informaticien modèle de données

représentatif d'un ensemble de concepts dans un domaine, ainsi que des relations entre ces concepts (Wikipedia)

Relations très riche Plus qu’une simple

hiérarchie

17

A quoi sert une ontologie

• Biologiste Qualité Exhaustif Eviter

les redondance de données

Les synonymes : plant height vs height of the plant

Permet le croisement et la cohérence des données

Dans un laboratoire Entre partenaires

Mapping entre vocabulaires

• Informaticien Base d’outils d’analyse

très puissants Raisonneurs Contrôle sémantique

des données

18

Ontologies, initiatives

• Plant ontology consortium Plant ontology, Trait ontology Très généraliste Basées sur riz, mais, arabidopsis Phenotype RCN

Ouverts Recommandent ontologies spécialisées liées aux leurs

• Projets DROPS, … Optimisées espèces et problématique

• Besoins INRA Vigne, … Construites en interne Optimisées espèces et problématique A partir référence internationale (OIV, …)

19

Ontologies, Perspectives

• Promouvoir les ajouts à l’existant• Promouvoir création de nouvelles ontologies

Groupes espèces Projets

• Promouvoir amélioration qualitative Xref vers des ontologies internationales Collaboration

Fusion et Réutilisation INRA Projets Européens ou plus

• Améliorer la visiblité des ontologies existantes à l’INRA Ontology lookup URGI : http://urgi.versailles.inra.fr/ontology-lookup/ …

20

Données pérenisables et/ou valorisables

• Données élaborées Élaborées pour une

question scientifique précise

A partir de données brutes Nettoyées Homogène ou hétérogène

normalisation (effet années)

Différents types Phénotypes Environnement …

Forte valeur ajoutée Analyse et croisement de

données Volumétrie raisonnable Partenariats

• Données brute hétérogènes

Alphanumériques Images …

Ré exploitable pour de nouveaux questionnement

Analysables Par le producteur et

partenaires Non producteur

Métadonnées Riches En fonction du type de

données brutes Images hyperspectrales

• IrremplaçablesPéreniser

21

Panorama Projets

• Collaborations Plantacomp URGI

• Ephesis• Projets Espèce

Breedwheat, Amazing Peamust, VitisNext, Sorgho, Rapsodyn (Colza), Aker,

Tournesol, Betterave

• Projets Plateforme Phenome Eve equipex vigne et changement climatique

• Metaprogramme Acaf changement climatique : projet acav vigne Selgen Sélection génomique

22

Phenotype and environment databases network

23

International DatabasesData interoperability exchange

Cross references exchangeInternational visibility

Environmental Information Systems

Climatic data Ground

Web interface

Analysis

GnpIS

MapsGnpMapGnpMap

Genomes ExpressionGnpArrayGnpArray

PhenotypesPhenotypesEphesisEphesis

Genotype GnpSNP, Siregal GnpSNP, Siregal

Data integration

Ontologies, Ontologies, GenotypeIDGenotypeID

Web Services and file exchange

DataMarts

Environment acquisition

Phenotyping and environment

Controlled environment

Basic acquisition

Whole field phenotyping

Aerial imaging