Secretome.Rmd

---
title: "Prédiction du sécrétome"
author: "CHARRIAT Florian"
date: "19 mai 2018"
output:
  html_document:
    code_folding: hide
    fig_caption: yes
    highlight: zenburn
    theme: cerulean
    toc: yes
    toc_depth: 5
    toc_float: yes
---

```{r knitr setup, include=FALSE,  eval=TRUE, echo=FALSE, warning=FALSE}
# knitr::opts_chunk$set(echo=TRUE, eval=TRUE, cache=TRUE, message=FALSE, warning=FALSE, comment="")

library(knitr)
options(width=300)
knitr::opts_chunk$set(
  fig.width = 10, 
  fig.height = 5, 
  fig.align = "center", 
  size = "tiny", 
  echo = TRUE, eval=TRUE, 
  warning = FALSE, message = FALSE, 
  results = TRUE, comment = "")
# knitr::asis_output("\\footnotesize")

```

<p style="text-align:justify";>Aprés avoir répcupéré les sequences protéiques des fichiers d'annotations, le script <a href="https://floriancha.github.io/Script/index.html" target="_blank">secretome_Pipeline</a> est utilisé pour prédire le secretome de chaque assemblage. Ce scipt utilise plusieurs outil afin d'améliorer la fiabilité de la prediction.Le principe du script est détaillé ci-dessous.</p>


```{r Package, echo=FALSE}
if(!require("knitr"))
  {
  install.packages('knitr')
}
if(!require("DT"))
  {
  install.packages('DT')
  }
library('knitr')
library('DT')
```

&nbsp;

<p style="text-align:justify";>Le sécrétome définit l’ensemble des protéines sécrétées. Le sécrétome de chaque isolat de M. oryzae a été prédit à partir des fichiers fasta contenant les séquences protéiques générées par le script gff2fasta.pl (section précédente). Le script secretome_pipeline.py a été créé pour identifier et sélectionner les protéines sécrétées. Ce script réalise plusieurs étapes pour prédire le sécrétome (Figure 5).</p>
<p style="text-align:justify";>Les protéines ayant un signal peptidique passent, lors de la synthèse, dans le réticulum endoplasmique pour être ensuite adressées aux diverses membranes cellulaires ou être excrétées. C’est pour cela que les protéines possédant un signal peptidique ont été filtrées. Pour cela, les outils <a href='http://www.cbs.dtu.dk/services/SignalP/', target='_blank'>SignalP 4.1</a>, <a href='http://phobius.sbc.su.se/', target='_blank'>targetP</a> et <a href='http://phobius.sbc.su.se/', target='_blank'>phobius</a> ont été utilisés. L’outil TargetP se base sur un réseau neuronal (ANN). Il permet, en utilisant uniquement la séquence N-terminal d’identifier les protéines destinées aux mitochondries, aux chloroplastes ou aux réseaux de sécrétion. L’outil Phobius utilise un profil HMM pour déterminer la présence d’un signal peptidique. Enfin l’outil SignalP utilise les méthodes des deux précédents outils (ANN et HMM) pour prédire les protéines sécrétées. Ces outils sont très performants pour la prédiction de signal peptidique que ce soit au niveau de la sensibilité (> 95%) ou au niveau de la spécificité (> 98%). Afin d’être plus spécifique, nous avons choisi de sélectionner uniquement les protéines dont le signal peptidique est prédit par au moins deux des trois outils. De plus un rang est attribué à chaque protéine sélectionnée, correspondant à leur niveau de détection par les différents outils. Les protéines identifiées par les trois outils auront un rang égal à 1 tandis que les protéines prédites par deux des trois outils auront un rang égal à 2. Pour filtrer les protéines adressées aux membranes, le script va éliminer les protéines possédant un domaine transmembranaire en dehors des 30 premiers acides aminés. Pour prédire les domaines membranaire,  l’outil TMHMM a été utilisé.  Enfin, pour éliminer les protéines destinées au réticulum endoplasmique le script a utilisé l’outil PS-scan afin de ne sélectionner que les protéines qui n’ont pas de motif de rétention dans le réticulum endoplasmique. .</p>