Prépublication
de :
Gallezot Gabriel,
« Exploration informationnelle et construction des connaissances en
génomique, Les Cahiers du numérique », Hermes, vol. 3, n°3-2002, pp
121-136.
Exploration informationnelle et construction de connaissances en
génomique.
Fondé
sur un exemple de réalisation de dispositif informationnel, nous présentons un
mode de navigation qui, par l’exploration des données factuelles et textuelles,
sert la construction de connaissances en génomique.
L’impulsion du
programme de séquençage complet du génome humain (le HGP), puis de celui
d'autres génomes, et enfin la généralisation et l’évolution concomitante des
séquenceurs, ont fait croître de manière exponentielle la production des
séquences d’ADN. Cette recherche d’exhaustivité, liée au fait que toute
l’information génétique nécessaire à un organisme est contenue dans son ADN[1], a
propulsé la biologie moléculaire dans l’ère de la génomique. Pour faciliter
l’accès et le traitement des séquences biologiques, il y a eu nécessité de les
enregistrer dans les banques, désormais en ligne sur Internet. Ces banques de
séquences sont filtrées par des équipes de bioinformaticiens pour réaliser des
entrepôts de données dédiés à des recherches spécialisées sur un organisme, un
type de molécule…[2]
Aussi,
à travers des pages HTML ou des imagemaps générées par des scripts CGI à
partir de bases de donnée, à travers une fédération de liens inter-banques
rendue possible par des identifieurs uniques et à travers une fédération
de bases de données devenue réalisable par des approches d’interopérabilité de
composants logiciels, c’est tout un espace réticulaire qui offre aux génomistes
de nouvelles explorations informationnelles[3].
Nous montrons, à travers
l’exemple de la détection de transfert de gènes, une possibilité de navigation
dans un corpus de données textuelles et factuelles libre d’accès sur Internet
et comment cette exploration informationnelle est source de créativité. Cet
exemple de data mining s’appuie sur
l’inspection de deux cartes superposées. La carte physique d’un chromosome et
une carte d’états statistiques (homogénéité) de la séquence d’ADN. Ainsi la
mise en évidence, par visualisation, de régions spécifiques, permet aux génomistes
de créer de nouvelles connaissances.
1-
La construction de connaissances, le document au cœur du processus.
Nous distinguons deux pôles, la productivité et la
créativité. Où la productivité a trait aux connaissances réalisées à partir de
processus standardisés, de protocole établis, de techniques éprouvées et où la
créativité relève de processus nouveau, de protocoles expérimentaux et
d’appropriations originales de techniques. Concernant l’exploration
informationnelle et plus précisément la navigation nous insistons sur la
créativité liée à la présentation de nouveaux documents[4].
Les idées ne peuvent se former que sur des constructions
cognitives antérieures présentes sous forme d’information dans les documents.
Nous inscrivons donc, la construction de connaissance dans un processus de transformation de l'information où la
connaissance est la formation des idées, l'information est la mise en forme des
connaissances (in-formation) et l'information inscrite sur un support constitue
un document. Ce processus s’inscrit à son tour dans le cycle de l’Information Scientifique
et Technique (IST)[5]
(Cf. Figure 1). L’activité des chercheurs est circonscrite par ce cycle. La collecte peut être réalisée à partir de banques
de données, de sites web, d’expériences dans les laboratoires, de “butinage” (browsing) dans les rayonnages d’une
bibliothèque... Le traitement correspond à l’activité cognitive des chercheurs
ou à des manipulations par des outils informatiques. La diffusion est définie
comme l’ensemble des opérations nécessaires à la propagation des connaissances.
Un cycle d’IST produit des connaissances et des
techniques. Le bouclage de plusieurs cycles avec, à chaque passage,
l’introduction de nouvelles connaissances et de nouvelles techniques nourrit le
contexte socio-technique. C’est un référent commun en perpétuelle évolution à
partir duquel s’effectue l’ensemble des activités scientifiques. En fonction de
critères sociologiques, économiques et culturels, les chercheurs accèdent de
façon différente à ce réservoir cognitif et instrumental. Si les chercheurs
disposent des mêmes innovations techniques, de la même littérature
scientifique, ils n'ont pas forcément les mêmes possibilités de les utiliser
(pays industrialisés/non-industrialisés, budgets de la recherche, de
laboratoires, de fonctionnement, etc.)
et s'ils les utilisent, ils se les approprient différemment en fonction de
leurs acquis (background) socio-culturels : culture générale,
spécialité scientifique, culture technique, etc.
On peut dégager deux types d'appropriation du
contexte socio-technique. Une appropriation que nous appelons
"collective", relative à une simple [possibilité de] utilisation du
réservoir cognitif et instrumental et une appropriation que nous appelons
"individuelle" relative à une lecture spécifique, créative du
réservoir cognitif et instrumental. Les chercheurs les plus en phase avec le
contexte socio-technique favorisent ainsi leur créativité. La mise en œuvre
d’artefacts informationnels qui permettent une vision heuristique révèle par
exemple cette dernière appropriation (cf. point 4).
Aussi, la construction de connaissances dépend
directement de la façon dont se déroule le cycle de l’IST : de la façon dont
les documents sont collectés, de la manière dont est extraite l’information,
des moyens de traitement de cette information, de la capacité à produire des
connaissances et de les traduire en information, des possibilités
d’édition et des canaux de communication utilisés.
L’inventivité
prend naissance dans les achoppements du cycle de l’IST. Quand il est
impossible de rendre compte de phénomènes, un saut qualitatif doit être
réalisé. L’inventivité donne alors naissance à l’invention, à la création. La
création de quelque chose de nouveau, qui ouvre de nouvelles pistes de
recherche, des nouvelles possibilités de collecte, de traitement et de
diffusion de l’IST, qui donne du souffle à la construction de
connaissances.
Les
idées se forment par distinction, par opposition ou par association de
connaissances, c’est une appropriation individuelle des connaissances. Ces
connaissances sont présentes sous forme d’informations dans les documents
qu’ils s’agissent de données factuelles ou de publications. Leur manipulation
(collecte, traitement et diffusion) est majoritairement informatisée. Nous
retenons alors le vocable de technologies procognitives employé par
Licklider[6] pour
signifier l’importance des outils de traitement de l’information qui servent la
connaissance et nous reprenons bien entendu Bush quand il présente les
technologies qui aident à penser, un système qui couple un corpus documentaire
et un accès rapide et sélectif à l'information.
A revolution must be wrought in
the ways in which we make, store, and consult the record of accomplishment....
It is not just a problem for the libraries, although that is important. Rather,
the problem is how creative men think, and what can be done to help them think.
It is a problem of how the great mass of material shall be handled so that the
individual can draw from it what he needs instantly, correctly, and with utter
freedom. Compact storage of desired material and swift selective access to it
are the two basic elements of the problem.[7]
Si, les
dispositifs de repérage de l'information servent l’inventivité et aident
l'homme à devenir créatif, les possibilités de traitement et de diffusion
aussi. L’utilisation de dispositifs informationnels spécifiques permet non
seulement un repérage et un accès aisé à l’information, mais permet aussi des
visualisations qui servent l’expertise des connaissances. Les images ou les
cartes proposées par des artéfacts informationnels, comme celui présenté au
point 4, sont des construits scientifiques issus du traitement de résultats
antérieurs contenus dans des documents.
2
- Corpus de documents numériques pour la construction des connaissances :
informations factuelles, informations textuelles et qualité des données.
Le type d’IST à traiter peut
être résumé en deux catégories : les informations issues de la paillasse,
de l’expérimentation et celles issues de la littérature. Bien évidemment l’une
n’existe pas sans l’autre. Néanmoins, la première catégorie relève de la
production de données brutes et la deuxième de production de connaissances sur
ces dernières. Aussi, deux types de documents sont à considérer : les
données factuelles et les données textuelles.
Elles sont issues de la
paillasse ou des banques de séquences internationales. Ces banques, comme
GenBank, EMBL ou DDBJ[8] pour les séquences d’ADN, donnent accès par
FTP à leurs gisements de documents primaires, qui sont des fichiers
informatiques de texte codé en ASCII[9]. Ces
fichiers sont dits à plat, c'est-à-dire des fichiers bruts fournis sans
outil d'organisation. Néanmoins, ils possèdent une nomenclature de description
et constituent ainsi les enregistrements, les notices des banques. Chaque
enregistrement[10]
est organisé en champs, pour lesquels des descripteurs spécifient une
information relative aux propriétés d'un objet biologique. Si chaque banque
possède ses descripteurs ou ses étiquettes pour coder l'information suivant un
format qui lui est propre, le contenu informationnel intrinsèque de l'objet
biologique reste inchangé.
Les données textuelles
Elles sont représentées par la
littérature scientifique au sens large du terme. Dans cet ensemble on trouve
les articles des revues, les ouvrages scientifiques, les actes de colloques...
Mais aussi les notices catalographiques des banques de données bibliographiques
comme Medline (Pubmed) . Au même titre que les notices Genbank, la notice
Medline[11] est
un fichier ASCII avec des descripteurs spécifiques. On peut distinguer les
éléments qui relèvent d'une notice catalographique classique (auteurs, titre,
résumé, revue, date, descripteurs du thésaurus...) et ceux qui ont trait aux
liens avec les objets biologiques (les gènes, l'enregistrement dans une banque
de séquence). Récemment, ces notices ont fait l'objet d'un formatage XML[12] .
Ainsi, avec la DTD[13] et
les filtres ad hoc, il est devenu plus aisé de les manipuler. Nous
insistons particulièrement sur la notice catalographique car des développements
en bioinformatique l'utilisent dans le cadre de projets d'extraction
automatique d'informations. Par exemple, comme la majeure partie des
connaissances biologiques sur les interactions géniques n'est pas décrite dans
les banques mais dans les articles scientifiques, l'exploitation des résumés
des notices et plus généralement des textes scientifiques constitue un enjeu
central dans la construction des modèles d'interaction entre gènes ou encore
dans la contextualisation de données issues de l'expérimentation[14].
Insistons pour terminer sur le
fait suivant : ce qui, dans d'autres disciplines scientifiques, est distinct et
payant (données factuelles et références bibliographiques) est en génomique
gratuit et groupé. Cette situation particulière et privilégiée rend la pratique
de collecte singulièrement aisée et principalement réalisée sur Internet. Ce
phénomène est relatif au principe de double publication. [15]
La gratuité des ressources
informationnelles au travers des banques de séquences, des banques de documents
secondaires et l'apparition du texte intégral (ex. Pubmed Central) confère à la
génomique un statut particulier en terme de partage d'information par
hyperliens. Une grande majorité des documents contenus dans les banques de
données internationales sont liés par un numéro d’identification (identifieur).
Le biologiste peut ainsi passer d’une référence bibliographique aux descriptions
des séquences nucléotidiques[16] sur
lesquelles s appuient la recherche présentée dans l’article, puis naviguer
d’identifieur en identifieur pour atteindre un objet biologique
ou une référence bibliographique.
Néanmoins la qualité des
données des banques de séquences n'est pas sans reproche, les erreurs se
propagent de collections primaires (banques internationale comme Genbank, EMBL)
en collections secondaires (base de données spécifiques, sur un animal, une
bactérie...) et rejaillissent par liens sur l'ensemble des autres entrepôts de
documents. Elles doivent être contrôlées et nettoyées par des traitements de
base, il faut détecter les erreurs et éliminer la redondance, pour donner la
meilleure précision possible aux calculs. Les sources d'information et leurs
mises à jour doivent être identifiées et tracées: comment ont-elles été
produites, par quel type d'approche et par qui ? Ces erreurs relèvent
d'annotations “mal réalisées”, de problèmes de standardisation de noms
d'entités biologiques. Bork et Bairoch[17]
décrivent des erreurs de synonymie, d'homonymie, de saisie, de contamination
dans les séquences biologiques et les annotations qui les accompagnent.
3 –
Intégration, hyperliens, hypermedia et interopérabilité
Ce point indique
brièvement comment l’IST est gérer en génomique. Nous présentons ainsi les
conceptions techniques qui sous-tendent le système d’information qui a servi de
plateforme pour la recherche présentée au point 4.
Intégration
et SGBD
Le développement de collections d’informations a
précédé et accompagne depuis leurs débuts les programmes d'études des génomes,
pour constituer aujourd'hui une mémoire indispensable, partagée par les
communautés de chercheurs en biologie. Leurs moyens d'accès ont connu des
changements importants cette dernière décennie, notamment avec l'usage
généralisé de systèmes de gestion de bases de données (SGBD), du réseau et des
interfaces graphiques. Grâce à ces outils, les systèmes d'information évoluent
vers une meilleure sélectivité des recherches et une plus grande facilité
d'interrogations.
L'un des enjeux des « programmes
génomes » vise à relier l'ensemble les différents types de données
expérimentales qu'ils produisent, d’abord entre elles, et ensuite avec les
autres sources d'information disponibles. Ce processus contribue à
l'enrichissement des connaissances sur les génomes, et les bases de données
servent cet objectif. Elles structurent l'information dans un modèle de données
interrogeable, et permettent d’en croiser la variété, pour élucider la fonction
des gènes inconnus.
L'intégration de connaissances hétérogènes dans
une représentation unifiée des données offre une plate-forme générique, qui
permet de formuler des requêtes globales sur l’ensemble des informations
disponibles dans le système. Elles s’appliquent de cette manière à tous les
types de questions que l’on peut poser aux génomes, et la mise en œuvre
concerne aussi bien des analyses automatiques, que la génération d’outils de
visualisation interactifs. L'un des buts assignés à ce processus d’intégration
consiste à rendre possible la détection de nouvelles corrélations, parmi une
masse de données qui n’étaient jusqu’alors pas reliées entre elles dans un même
système d'interrogation.
Interfaçage,
hyperliens, hypermédia
Si les
réseaux internationaux existent depuis les années 70, leur utilisation ne s'est
généralisée et banalisée qu'avec la naissance du WWW et des clients graphiques.
Cet essor à naturellement conduit les biologistes a penser la diffusion du
contenu de leur base de données sur Internet. l'interfaçage WWW/SGBD permet
dans un premier temps l’interrogation de la base de données, puis dans un
deuxième temps la génération, à partir des informations retournées de pages
HTML, d'imagemaps, etc. Ces hyperliens permettent de se connecter, par
un simple clic de souris à des banques de données internationales
(GenBank, MedLine, SwissProt, etc.), mais aussi à d'autres éléments de la base
de données. L’interfaçage permet ainsi d'obtenir une plus grande intéractivité,
comme des hypermédia avec synchronisation des affichages, par exemple entre la
carte physique et la séquence nucléotidique et la présentation des qualifiers
correspondants (Cf. Figure 2).
Chacune
des bases de données ne pouvant pas continuer à intégrer de plus en plus
d'objets biologiques, il y a donc nécessité de fédérer ces bases. L’emploi des
hyperliens sur WWW propose un premier niveau d’interopération entre les bases
de données biologiques, et elles constituent des fédérations navigables de
manière transparente pour les utilisateurs. Cependant, les liens présentent des
limites, et ils ne remplacent pas la structuration de l’information dans une
base de données. Aussi, de nouvelles approches d’interopérabilité des logiciels
sont apparues conjointement au développement du réseau au cours de la décennie
90. Il s’agit d’effectuer une interface de communication de haut niveau entre
les composants d’un logiciel, indépendante de leurs langages de
programmation et de leur implémentation physique (exemple CORBA standard de
l’OMG[18])
L'obstacle majeur de ce type d’interopérabilité ne relève pas de la mise en
œuvre technique mais d’un problème de nomenclature, de classification, de
relation, de définition des objets biologiques, en un mot d'un problème
d'ontologie.
Figure 2 :Exemple d’interface utilisateur (le système d’information Micado)
4 – Exploration informationnelle
et création de connaissances
L’exemple de recherche
proposé ci-dessous est issu de l’observation participante réalisée au sein d’un
laboratoire de génétique des microbes[19].
La recherche présentée utilise un système d’information appelé Micado qui
s’appuit sur l’ensemble des dispositifs informationnels de la génomique définis
aux points 2 et 3[20].
L'information dans
Micado[21]
est cherchée par les annotations (ex : gènes et autres features de
l'ADN, références associées), des comparaisons de séquences (les programmes
BLAST et FASTA), le parcours d’arbres de classification, et enfin la navigation
sur les cartes génomiques, qui représentent le chromosome à différentes
échelles. Les annotations figurent sur les cartes sous la forme de symboles
graphiques cliquables. De cette manière la navigation autorise l’extraction
d’une information précise à partir de grandes quantités de données. Ce moyen de
visualisation fournit un aperçu global et fin des connaissances disponibles sur
les génomes étudiés. La consultation des cartes en ligne a, par exemple, déjà
servi à faire contrôler la qualité de la carte génétique de Bacillus subtilis
par la communauté des chercheurs, avant sa publication. Les interfaces
graphiques sont ainsi un composant essentiel du développement du système
d’information. Combinées aux outils d'analyse des séquences, elles sont le
support indispensable à l'élaboration de stratégies systématiques d'exploration
des données, qui entrelacent des chaînes d'analyse et de classification
automatique, avec des étapes interactives de traitement et de visualisation.
Un bon exemple concerne
la recherche de transferts de gènes chez Bacillus subtilis, c’est-à-dire
l’identification d’ADN étranger inséré dans le chromosome de la bactérie. Elle
s'appuie sur l'inspection d'une carte physique graphique du chromosome.
Celle-ci est construite avec l'ADN annoté extrait de la base de données, à
laquelle est superposée l'affichage des états statistiques calculés sur les
séquences[22] (Cf. Figure 3).
Cette recherche est un
exemple de data mining, c’est à dire d’exploration de données à l’aide
outils d’analyse statistique ou sémantique et d’interface de visualisation de
résultats permettant d’expertiser un gisement de documents. Les segments
flèchés avec les annotations de type yxxX (par exemple : yvaW ou
yvbW) oureprésentent les gènes de la carte physique produit par Micado
et la courbe noire superposée est obtenue à partir d’un traitement statistique
(chaînes de Markov cachées) sur la totalité du génome[23]. Cette étude
statistique est réalisée par le logiciel RHOM (Research of HOMogeneous regions
of DNA sequences) produit par les biométriciens de l'INRA. Il permet de
détecter les régions homogènes (et par incidence hétérogènes) sur une séquences
d’ADN. Les variations de la courbe (les pics) indiquent des "zones
d’hétérogénéité" : les régions intergéniques, sauf dans le cas
indiqué sur la figure par la double flèche < transfert >. Cette région
n’est pas homogène par rapport au reste de la séquence ce qui permet aux
biologistes de dire que les gènes de cette région ont potentiellement été
transférés à partir d’un autre organisme.
Figure
3 : Visualisation de transferts potentiels de gènes
La recherche
d’homologies de séquences sur ces derniers vient compléter cette supposition en
indiquant que ces gènes sont des gènes de résistances à des facteurs toxiques
(antibiotiques, métaux, etc.), enfin les régions de chaque coté de cette zone
désignent des régions cibles dupliquées (direct repeat). Ainsi,
l’expertise humaine, à partir des connaissances connues sur le transfert de
gènes et la mise en évidence par visualisation de régions spécifiques de la
séquence d’ADN, crée de nouvelles connaissances.
L'abondance de l’information génomique nécessite un repérage
accru et efficient des connaissances, qui explique l’intérêt pour les
techniques de visualisation[24].
L’exploration informationnelle s’inscrit dans cette démarche. Plusieurs
techniques peuvent bénéficier de cette approche, de l’analyse statistique sur
du texte à la structuration et l’organisation de données dans des bases de
connaissances (knowledge bases). Ce qu’il faut noter, c’est la
généralisation de ce processus. L’extraction d’information sur un seul type de
données en vue d’obtenir un résultat précis, ne suffit pas à rendre compte de
situations complexes. La globalisation d’informations sur un sujet et la
visualisation sous forme graphique des résultats d’un traitement réalisé par des
techniques d’information offrent des machines de vision[25]
capables de générer de nouvelles connaissances, de nouveaux projets de
recherche ou d’autres éléments de réflexion… de créer. Ce sont des artefacts
informationnels qui offrent une vision heuristique des résultats de la
recherche en biologie moléculaire.
Les formes nouvelles de documents, que l’on peut qualifier de
tertiaires, deviennent des adjuvants prépondérants et essentiels pour lire
l’ensemble des documents disponibles. Ces construits sont la synthèse de
résultats expérimentaux (l’ensemble des données factuelles) et de conceptions
théoriques de la biologie (à travers la modélisation de la base de données et
la création de liens). En revanche, les interprétations, les créations sont
liées à des perceptions, des appropriations personnelles des représentations.
Cette appréhension repose sur un tiny bang[26], un
petit big bang individuel, une sorte d’explosion qui crée un nouvel espace dans
lequel de nouvelles possibilités de connaissances sont offertes. Il dépend de
la culture technique et informationnelle de chaque individu et sa capacité à
l’intégrer dans son activité quotidienne, pour produire du sens sur les objets
qu’il manipule.
Conclusion
Les modes d’exploration
informationnelle
Pour tenter d’expliquer
l’influence de l’exploration informationnelle sur la créativité en matière de
construction de connaissances, il semble que deux dimensions soient à
retenir : l’importance du contexte et le transfert de compétences dans une
situation nouvelle. Le contexte est composé de dispositifs informationnels,
c’est-à-dire de techniques manipulant de l’information sous forme
essentiellement électronique. Le transfert de compétences dans une situation
nouvelle est lié à la culture technique et informationnelle que les génomistes
ont su acquérir.
Les modes d’exploration
informationnelle qui influent sur la créativité relèvent plutôt des techniques
de visualisation et de recherche de sens et sont souvent issues de réalisations
personnelles (un ou plusieurs chercheurs). Ils peuvent être sériés selon deux
paradigmes : syntaxique et sémantique. Ces derniers sont
inscrits dans le temps et font référence aux possibilités de manipulations de
documents proposées par Gardin[27] et
Shatz[28]. Si
leurs propos respectifs ont dix ans d’écart (87-97) et ne se situent pas
exactement dans le même champ disciplinaire, leurs conclusions sont similaires.
Trois phases sont distinguées :
- la
réalisation de gisements d’informations à l’aide de banque de données, dans
lesquels, ce sont les références au document qui sont cherchés. Il s’agit de
stocker et de gérer des informations pour accélérer l’accès à l’information,
- l’approche
statistique sur le texte créant des liens entre les textes ou entre les termes
d’un texte (Schatz ajoute le concept d’hyperliens sur Internet). Il s’agit de
classer, d’ordonner, de relier des documents, des informations, ou des données
pour accélérer l’analyse de texte,
- l’extraction
de connaissances dans des documents à l’aide de système expert (Gardin) ou de “ vocabulary switching ”
(Schatz). Il ne s’agit plus de retrouver ou de classer des documents mais
d’extraire du sens d’un gisement d’information.
Si les trois phases se préoccupent d’aider à la construction de
connaissance, elles interviennent à des niveaux bien différents. Il y a un changement de
paradigme : les outils informatiques passent de systèmes de gestion de
fichiers à plat aux bases de connaissances ; le traitement des documents (au-delà
du fait d’être passés de l’imprimé à l’électronique) ne sont plus manipulés comme un ensemble
indissociable, mais comme une composition d’unités informationnelles, d’unités
sémantiques extractibles ou référençables. Le paradigme syntaxique est relatif aux techniques avec lesquelles il est possible de traiter un texte à l’aide de termes
ou d’expressions contenus dans ce texte, qu’il s’agisse d’une recherche de
textes indexés dans une banque, d’analyse des cooccurrences de termes ou de
balisage de texte. Le paradigme sémantique fait référence aux techniques avec lesquelles le sens des mots, des expressions d’un
texte est analysé pour extraire des connaissances.
En génomique, le paradigme syntaxique
représente l’analyse de la syntaxe des nucléotides sur un chromosome ; les
banques de données qui organisent les relations entre les documents ; et la
manipulation de documents qui s’effectue au mieux sur leur description et leur
structure. Le paradigme sémantique représente l’appréhension globale
d’un gène, de son génotype à son phénotype (caractères observables, c’est-à-dire
le sens, la fonction des gènes) ; les bases de connaissances qui gèrent un
ensemble de contenus de documents (des unités sémantiques) ; et la
manipulation des documents qui tente d’accéder à la connaissance, au contenu du
document (des représentations graphiques de l’analyse statistique à l’analyse
sémantique de textes).
La serendipity dans l’exploration
informationnelle
Il ne s’agit pas spécifiquement de naviguer ou déambuler[29],
mais de fouiller les sédiments cognitifs accumulés depuis quelques années à la
recherche d’information. Les visualisations proposées mettent en lumière des
liens qui n’auraient pas pu être perçu autrement et peuvent faire sens auprès
d’un expert.
Dans notre exemple, les hypermedia (les cartes superposées)
qui aident à parcourir, ne relève pas exactement d’un choix, d’une sélection
d’information, mais d’une composition aléatoire dirigée par des solidarités
annotationnelles[30].
Le renouvellement des hypermédia proposés est lié à l’ajout de documents dans
les banques séquences.
Un agrégat d’informations
intégré dans un artefact informationnel, comme Micado, n’étant pas connu a priori, la recherche d’information, a posteriori, peut retourner des
documents auxquels le chercheur ne pensait pas. Plus encore, la mise en
relation des unités informationnelles peut permettre de découvrir des
corrélations insoupçonnées soit par lecture directe d’un résultat, soit par
inspection d’un visuel. Le chercheur détecte des faits de façon quasi fortuite.
Cette réécriture aléatoire et cette relecture fortuite relève de la serendipity.
[1] Pour un
rapide rappel en biologie moléculaire le lecteur pourra consulter :
D.O.E. ; [consultée en 02/98] “ To Know Ourselves ” [en ligne]
URL : http://www.ornl.gov/hgmis/publicat/tko/index.html, en particulier : http://www.ornl.gov/hgmis/publicat/tko/03_introducing.html
[2]
Gallezot G., « La recherche in silico » In : Chartron G. (sous la dir.)
Les chercheurs et la documentation électronique : nouveaux services, nouveaux
usages, Edition du cercle de la Librairie, Coll. Bibliothèque,Juin 2002
[3]
Gallezot G., Sansom F., Brunaud V., Gas, S. et Bessière P., « Normes et
standards dans le processus de traitement du document numérique en biologie
moléculaire », Solaris, nº6, 2000. [En ligne].
http://www.info.unicaen.fr/bnum/jelec/Solaris/d06/6gallezo.html.
[4] Concernant la productivité de connaissances
le lecteur pourra consulter : Gallezot G., « La recherche in
silico », op. cit., pp.229-253
[5] Le
cycle de l’IST un modèle heuristique construit sur le
cycle de vie du document (acquisition, recherche, archivage…) et de
transformation de l'information (informations / documents / connaissances). Pour plus
de détails sur ces concepts nous renvoyons le lecteur à : M. F. Blanquet, Science
de l’information et philosophie, ADBS Éditions, 1997 ; Y.-F. Le Coadic, La
Science de l’information, PUF, Coll. « Que sais-je ? », 1994 ; A. J. Meadows, Communicating
Research, Academic Press, 1998.
[6] Cité par Schatz dans “ Information Retrieval in
digital Librairies : Bringing search to the net ” In Science, vol 275, 1997, pp327-333.
[7] Bush V., Science Is Not Enough, 1967, cité en
introduction par Buck A.M., Flagan R.C., Coles B. [consulté le 09/09/2002]
“ scolar's forum : a new model for scholarly communication ” [en
ligne] URL : http://library.caltech.edu/publications/scholarsforum/
[8] GenBank : Genetic sequences data Bank, EMBL :European
Molecular Biology Laboratory, DDBJ : DNA Data Bank of Japan
[9]
American Standard Code for Information Interchange
[10] Exemple
d’une notice EMBL [consulté le 09/09/2002] : http://www.ebi.ac.uk/cgi-bin/emblfetch?L09228
Exemple d’une GenBank via l’interface Entrez [consulté le
09/09/2002] : http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?cmd=Retrieve&db=nucleotide&list_uids=410114&dopt=GenBank
[11] Exemple
de notice Medline/Pubmed [consulté le 09/09/2002] : http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?CMD=Display&DB=PubMed
[12] eXtensible Markup language
[13] Definition Type Document : <!DOCTYPE PubmedArticleSet
PUBLIC "-//NLM//DTD PubMedArticle, 9th May 2000//EN"
"http://www.nlm.nih.gov/databases/dtd/pubmed_000509.dtd">
[14]Bessières
P., Nazarenko, Nedellec C., Apport de
l'apprentissage à l'extraction d'information : le problème de l'identification
d'interactions géniques. texte accepté pour CIDE'2001. Nedellec C., Ould Abdel Vetah M., Bessières P., “
Sentence filtering for information extraction in genomics, a classification
problem ”, PKDD'01 - Proceedings of the
Conference on Practical Knowledge Discovery in Databases, Springer Verlag,
Freiburg, September 2001.
[15]
Gallezot G., Sansom F., Brunaud V., Gas S., Bessière P., op. cit.
[16] Quelques lignes de A.T.G.C., la représentation des
nucléotides : Adénine, Thynine, Cytosine et Guanine
[17]Bork P., Bairoch A., “Go Hunting in Sequence Database
But Watch Out for the Traps”, Trends in
Genetics, Vol. 12, n°10, 1996, p. 425-427
[18]Object Management Group (http://www.omg.org/)
[19]
Gallezot G., Techniques de l’information, usages de l’IST et construction des
connaissances des chercheurs en génomique, doctorat, Université de Paris 1
Panthéon-Sorbonne, sous la direction de S. Fayet-Scribe, septembre 2000.
[20] Samson F., Biaudet V., Gas S., Dervyn E., Gallezot
G., Duchet S., Batto J-M., Ehrlich D. et Bessières P., « Micado, an Integrative
Database Dedicated to the Functional Analysis of Bacillus subtilis and
microbial genomics » In : Schumann W. .- Functional Analysis of Bacterial
Genes, John Wiley & Sons, Ltd., 2000, pp.45-52
[21] http://locus.jouy.inra.fr/cgi-bin/genmic/madbase/progs/madbase.operl
[22] Bize, L., Muri, F., Samson, F., Rodolphe, F.,
Ehrlich, S.D., Prum, B. & Bessières, P. “ Searching Gene Transfers on Bacillus subtilis Using Hidden Markov
Chains ”. In : RECOMB’99 - 3rd Ann. Intl. Conf. on Computational Molecular Biology, Lyon,
France, 1999, pp.43-49.
[23] Dans la pratique la séquence du génome est
segmentée pour un traitement efficient avec le logiciel.
[24] Shneiderman, B.
Designing the User Interface: Strategies for Effective Human-Computer
Interaction. Addison-Wesley Publishing Company, Reading, MA, 1997.
[25]Virilio,
P., La machine de vision, Ed.
Galilée, Paris,1988.
[26] Balzt,
C.. “ Une culture pour la société de l’information ”, Documentaliste
– Science de l’information, Vol. 35, n°2, 1998, p.80.
[27]Cité
dans Le Coadic Y-F. "Creativity and
Conduct of Research". In Information
technology and the research process : proceedings of a conference held at
Cranfield Institute of Technology, UK, 18-21 July 1989 / edited by Mary Feeney
and Karen Merry. London ; New York :
Bowker-Saur, 1990. pp.21-29.
[28] Schatz, B. R., op. cit.
[29] Gasté
D., « Navigation ou déambulation multimédia » In : La
communication Médiatisé par Ordinateur : un carrefour de problématiques,
Université de Sherbrooke, 15 et 16 mai, 2001.
[30]
Bachimont B., « du texte à l’hypotexte
les parcours de la mémoire documentaire », Technologie, Idéologies,
Pratiques, n° spécial « Mémoires collectives », 1999.