Il décrit le contexte
Qui ? Quel prélèvement ? Quelle mesure ? Quel groupe ? Quel moment ? Quelle série technique ? Il ne contient pas les milliers de valeurs moléculaires.
subject_id · sample_id · assay_id · omic · condition · timepointOmiques → hypothèses PK/PD · outil de recherche
Analyser une ou plusieurs omiques avec des règles explicites.
Choisissez RNA, protéines, métabolites ou leur combinaison. Le moteur confronte vos données à votre plan d’étude et à des bases scientifiques publiques, selon des règles auditables, sans LLM. Une seule omique suffit pour explorer, comparer ou prédire lorsque le plan le permet.
Avant de commencer
Le tableau des échantillons relie vos fichiers entre eux
Ce tableau est parfois appelé “metadata”. Il ne contient pas les valeurs RNA, protéines ou métabolites : il indique à quoi correspond chaque colonne des matrices. Pour explorer une seule omique, un assistant peut créer un tableau minimal, uniquement après confirmation que chaque colonne représente un sujet indépendant.
Elles contiennent les valeurs biologiques
Une matrice RNA, une matrice protéomique et/ou une matrice métabolomique. Les lignes correspondent aux gènes, protéines ou métabolites ; les colonnes correspondent aux mesures de vos échantillons.
feature_id · RNA001 · RNA002 · …Exemple : un même prélèvement mesuré dans trois omiques assay_id indique quelle colonne de matrice correspond à chaque mesure.
subject_idsample_idassay_idomicconditiontimepoint
P001P001_T0RNA001transcriptomicscontrolT0P001P001_T0PROT001proteomicscontrolT0P001P001_T0MET001metabolomicscontrolT0Lecture : P001 est la même personne ; P001_T0 est le même prélèvement ; RNA001, PROT001 et MET001 sont trois mesures différentes de ce prélèvement. Chaque assay_id doit correspondre exactement à une colonne de la matrice concernée.
Avant toute conclusion
Un résultat calculé n’est pas automatiquement une découverte validée
Le navigateur propose des calculs exploratoires et le moteur R fournit des méthodes de référence quand elles sont adaptées. Une q-value faible ne prouve pas de mécanisme biologique ni un contrôle universel des faux positifs. Vérifiez l’unité biologique indépendante, l’appariement, les confusions, la qualité des données et les limites de chaque méthode.
Vocabulaire
Les termes techniques sont traduits en langage courant
Dans l’outil, le terme simple doit être affiché en premier. Le terme statistique reste disponible dans l’aide “?” ou entre parenthèses lorsqu’il est nécessaire pour la reproductibilité.
Metadata Tableau des échantillonsOutcome Critère étudié / résultat cliniqueBatch Série technique ou expérimentaleCovariable Facteur à prendre en compte dans l’analyseFeature Variable biologique mesurée : gène, protéine ou métaboliteq BH / FDR q BH : p-value ajustée par Benjamini–Hochberg ; FDR : proportion attendue de fausses découvertes parmi les découvertes déclarées, dans les hypothèses du modèlePrincipe
Votre question scientifique choisit l’analyse
Vous décrivez l’étude et les données. Le moteur choisit ensuite une branche d’analyse selon des règles fixes et explicables.
Explorer les données
Une seule omique : l’ACP explore les variations de cette couche. Plusieurs omiques : l’ACP multi-blocs équilibrée explore les structures communes. Dans les deux cas, il ne s’agit pas d’un test de différences entre groupes.
Comparer des groupes
L’outil tient compte des répétitions techniques, des séries expérimentales, des facteurs d’ajustement et du caractère indépendant, apparié ou longitudinal des données.
Relier les données à un critère clinique
Selon le type de critère, l’outil choisit automatiquement le modèle statistique adapté : continu, oui/non, comptage, plusieurs catégories ou survie.
Étudier l’évolution dans le temps
Les mesures répétées d’une même personne, d’un même animal ou d’une même culture sont reliées afin d’étudier leur évolution dans le temps.
Comment lire le tableau des échantillons
Quatre colonnes expliquent l’essentiel
Pensez simplement : qui a été étudié, quel prélèvement a été réalisé, quelle mesure correspond à la colonne de matrice, et de quel type d’omique il s’agit.
Qui ? La personne, l’animal ou l’unité biologique.
Quel prélèvement ? Par exemple un tube ou un fragment de tissu à une visite donnée.
Quelle mesure ? L’identifiant exact de la colonne correspondante dans la matrice.
Quel type de mesure ? RNA, protéomique ou métabolomique.
Facteurs à prendre en compte
Les différences techniques et cliniques peuvent être intégrées à l’analyse
Série technique (batch)
Exemple : des échantillons analysés sur des plaques, jours ou séries différentes. Si une série technique correspond exactement à un seul groupe, l’outil signale que leurs effets ne peuvent pas être séparés. Sinon, cet effet technique est pris en compte dans le modèle.
Facteurs d’ajustement (covariables)
Exemples : âge, sexe, centre, traitement concomitant. Vous choisissez les colonnes qui doivent être prises en compte ; l’outil ne décide pas seul de ce qui constitue un facteur de confusion.
Interprétation
Chaque résultat doit répondre à une question simple
Les détails statistiques restent disponibles, mais l’interface doit d’abord expliquer ce que le nombre signifie biologiquement.
Amplitude de l’effetde combien la variable change et dans quel sens
Résultat corrigé (q BH)tient compte du grand nombre de gènes, protéines ou métabolites testés
Lien entre omiquesuniquement si au moins deux omiques sont mesurées et compatibles
Reactomereplace les résultats dans des voies biologiques connues ; cette information vient d’une base externe
Qualification sur données publiques
Le logiciel est éprouvé sur plusieurs jeux publics, sans valider automatiquement votre étude
La suite automatisée couvre notamment Nutrimouse, TCGA breast, IntLIM NCI-60/BRCA, AgingHFCD, STATegra, LRRK2, PaintOmics à signal planté et missRows.
Lancer une analyse