c. Structure de données pour les définitions

Structure de données pour les définitions

La table des définitions de gènes

Le dictionnaire des gènes et objets assimilés est structuré à l’aide de définitions comme expliqué en Partie 2 Chapitre 1 I.B.2. Un exemple d’enregistrement de la table des définitions de gène (DG) est donné dans le tableau 53. La signification des champs Type, Origine et Confiance sont expliqués dans les sections qui suivent.

Tableau 53 Table des définitions

Un exemple d’enregistrement de la table est donné dans ce tableau.

Champ	Contenu
Clef Définition	10856
Label	abdA
Type	Synonyme
Origine	Flybase
Confiance	correcte
Problème
Date	21/04/00 16:16:49

Les tables annexes
La table des types de définition

Les différents types de définitions sont énumérés dans la table type de définition. Le contenu de cette table est donné dans le tableau 54. La table est intitulée Ty.

Tableau 54 Table des types de définition

Cette table fait l’inventaire des modalités possible pour le champ type de la table définition.

Clef	Type
1	Symbole
2	Nom Complet
3	Synonyme
4	Protéine

La valeur protéine est utilisée pour les définitions qui associent un nom de protéine au gène qui code pour cette protéine. Dans Flybase cette modalité est absente. Dans notre base de données, les définitions de type protéine sont en général issues du processus d’ajout automatique de définition qui sera expliqué en Partie 2 Chapitre 2 I.C.3.a.

Structure de données pour le suivi de l’origine des définitions

Les modalités possibles du champ Origine de la table des définitions sont données dans la table Origine des définitions (appelé OED pour Origine des Enregistrements du Dictionnaire) dont le contenu est donné dans le tableau 55.

Tableau 55 Table origine des définitions

Cette table fait l’inventaire des modalités possible du champ origine de la table définition.

Clef	Origine	Confiance	Variante
1	Flybase	Oui	Non
2	Ajout Manuel	Oui	Non
3	Tout en majuscule	Non	Oui
4	1ère lettre en majuscule	Non	Oui
5	Tout en minuscule	Non	Oui
6	Tiret -> espace	Non	Oui
7	Espace -> tiret	Non	Oui
8	réimport	Non	Non

Il y a deux types principaux d’origines :

Les origines de type variantes (de 3 à 7 dans la table) correspondent à des définitions qui ont été ajoutées automatiquement. C’est ce que nous avons appelé des définitions variantes.
Les origines de type confiance qui correspondent à des définitions qui, soit étaient présentes dans Flybase, soit ont été rajoutées manuellement par l’annotateur.

L’origine réimport correspond à des enregistrements qui avaient été supprimés à un stade précoce du traitement, car ils ne sont pas appropriés pour notre travail. Cela est expliqué dans la section Partie 2 Chapitre 1 I.E.2. Ces enregistrements de la table définition ont été réimportés dans la base pour permettre une mise à jour des données à l’avenir. Ces enregistrements sont disqualifiés à toutes les étapes de l’identification des gènes par la présence de la modalité désactivée sur liste dans le champ confiance.

Structure de données pour gérer la confiance mise dans les définitions

Les modalités possibles du champ confiance de la table définitions sont données dans la table Confiance dans les Définitions (CD) qui est donnée intégralement dans le tableau 56.

Tableau 56 Table confiance dans les définitions

Cette table fait l’inventaire des modalités possible du champ confiance de la table des définitions.

Clef	Confiance	Valide	Prendre	Confirmation	Commentaire
1	correcte	Oui	Oui	Non	La définition n'est pas contredite par une définition valide.
2	privilégiée	Oui	Oui	Non	La définition est contredite mais elle reste crédible.
3	à confirmer	Oui	Oui	Oui	La définition est contredite par une définition plus crédible. Elle n'est pas prise en compte à moins qu'elle soit confirmée par ailleurs.
5	imprécise	Oui	Non	Non	Le label ne désigne pas un gène précis mais une collection de gènes.
8	non confirmée	Oui	Non	Non	La définition qui a été ajoutée automatiquement n'est pas confirmée par une annalyse automatique des textes
4	invalidée manuellement	Non	Non	Non	L'opérateur à choisit d'invalider la définition.
6	désactivée sur liste	Non	Non	Non	La définition concerne un label jugés abérant (correspond au réimport)
7	transférée	Non	Non	Non	la définition a été transféré du gène fils au gène père. Elle n'est plus active chez le fils.

Les valeurs des champs valide, prendre et confirmation indiquent quels traitements doivent avoir lieu sur les définitions concernées. L’utilisation de chacun de ces champs est expliquée dans les sections qui suivent.

Structure de données pour permettre la mise à jour

La possibilité de mettre à jour le dictionnaire des gènes est assurée par le champ Valide. Les enregistrements qui ne sont pas conformes n’ont pas été supprimés. A la place de cela, nous les avons marqués par le champ valide. De cette façon, on garantit qu’ils ne seront pas réintégrés de nouveau dans les données lors des futures mises à jour.

Structure de donné pour prendre ou ne pas prendre en compte les définitions

Certaines définitions ne doivent pas être prises en compte dans l’identification des gènes, même si elles sont exactes. Il s’agit par exemple, des définitions imprécises qui ont été définies dans la section Partie 2 Chapitre 1 I.D.1. Le champ prendre sert à indiquer que les définitions associées ne doivent pas être prises en compte lors de l’identification des gènes. La valeur par défaut pour ce champ est Oui.

Structure de données pour exiger la confirmation de la reconnaissance d’une définition

Certaines définitions n’ont pas les qualités suffisantes pour qu’elles puissent être interprétées dans un texte à elles seules. L’identification du gène qu’elles définissent doit être confirmée par ailleurs dans le résumé par la présence d’au moins une autre définition du même gène. Ces définitions sont dites à confirmer. Cette notion à été abordée à la section Partie 2 Chapitre 1 I.F.1. Le champ à confirmer est utilisé dans le processus d’identification des gènes pour vérifier si la reconnaissance de la définition, même isolée, peut être utilisée dans l’interprétation.