Analyse statistique des données d’expression génomique A LAIN BACCINI1 , P HILIPPE B ESSE1 , S ÉBASTIEN D ÉJEAN1 , C HRIST ÈLE ROBERT-G RANI É2 & M AGALI S AN C RISTOBAL3 Version mai 2005 — mises à jour et compléments : www.lsp.ups-tlse.fr/Biopuces (1) Laboratoire de Statistique et Probabilités UMR CNRS/UPS/INSA 5583 Université Paul Sabatier — 31062 – Toulouse cedex 4. (2) Station d’amélioration génétique des animaux — (3) Laboratoire de génétique cellulaire Institut National de la Recherche Agronomique BP 27 31 326 Castanet Tolosan cédex. 2 Avant-propos Motivations Le développement des moyens informatiques de stockage (bases de données) et de calcul permet le traitement et l’analyse d’ensembles de données très volumineux. De plus, le perfectionnement des interfaces offre aux utilisateurs, statisticiens ou non, des possibilités de mise en œuvre très simples des outils logiciels. Dans ce contexte, le biologiste dispose d’un corpus relativement sophistiqué de techniques statistiques utilisables sur les données d’expression des gènes produites par PCR, macro ou microarrays (biopuces). Les logiciels commerciaux ou non offrent des éventails plus ou moins larges d’accès à ces techniques dans une présentation plus ou moins explicite voire “boı̂te noire”. Intentionnellement ce cours a fait le choix d’illustrer les techniques par un logiciel, le plus complet et le plus explicite possible : R. Même s’il ne semble pas le plus simple d’utilisation par rapport à certains produits commerciaux privilégiant une interface graphique “conviviale”, son utilisation incite à l’indispensable compréhension des méthodes et de leurs limites. Il fait bien admettre qu’il ne suffit pas d’obtenir des résultats, il faut leur donner du sens. Rien ne nous semble en effet plus dangereux que des résultats ou des graphiques obtenus à l’aide de quelques clics de mulot dont ni les techniques, ni les options, ni leurs limites ne sont clairement explicitées ou contrôlées par l’utilisateur. Il est pa