Help Conquer Cancer

[Heyoka]

Traduction pour faire l'article de présentation du projet :

http://www.worldcommunitygrid.org/projects_showcase/hcc1/viewHcc1About.do

A propos du projet

X-ray Crystallography

One of the favored methods for protein-structure determination is X-ray crystallography. Through this method, scientists use the high-throughput crystallization pipeline to help annotate unknown parts of the human proteome, which in turn will help to improve their understanding of cancer initiation, progression and treatment.*

There are two main steps involved in X-ray crystallography:

   1. Crystallizing the protein: Although a lot more complex, this is similar to putting sugar into a cup of water and letting it sit for a while. Once the water evaporates, tiny sugar crystals appear.
   2. Sending X-rays through the crystal: Depending on how they diffract, a mathematical model is used to determine and observe the protein's structure.

Crystallizing the protein is not a straightforward procedure. There are many thousands of possible conditions that affect the process (concentration of a protein and solution, temperature, pH, chemical additives, etc.), but scientists must find the appropriate combination of these conditions for a protein to crystallize. For example, with sugar, if you change the water to another liquid, change the temperature or concentrations, you may not get a crystal. Similarly, for a given protein, the challenge is to know what conditions will lead to forming a crystal — what solution, what temperature, pH, etc.

The resultant protein crystal also must be well-formed and large enough in order for x-rays to detect the protein's structure at high resolution. If the conditions are not perfect for crystallizing the protein, the process can result in either a micro-crystal, which is too small for the protein's structure to be determined; a precipitate, which shows some changes, but does not lead to crystallization event directly; or no change may have occurred at all.

Frustrating the situation is that, as yet another barrier to progress, usually the more important the protein is to cancer research, the harder that protein is to crystallize. Many proteins involved in cancer are long chains, or they require additional proteins to properly fold and cannot be crystallized by themselves.

In order to run the millions of combinations necessary to successfully crystallize a protein, scientists have used robots to perform the work. Robots are able to put in place the various crystallization conditions faster and more accurately. To further facilitate the process, result of each of the millions of crystallization experiments are photographed.

Currently, scientists at the Hauptman-Woodward Medical Research Institute (HWI) in Buffalo have run more than 86 million crystallography experiments for more than 9,400 proteins. As a result, they have 86 million pictures of these proteins that have gone through the X-ray crystallography high-throughput screening pipeline. Each of these pictures needs to be analyzed to determine what the result of the experiment is — i.e., crystal, precipitate, phase separation, skin effect, no change.

One of the challenges is the tremendous size of these datasets, which requires over 25 TB of storage (or equivalent to more than 9,000 DVDs). IBM's Blue Gene supercomputer has provided assistance in this phase of the work, by running a special image compression algorithm to reduce the size of these images without losing content. The other challenge is to comprehensively analyze an image to determine the crystallization outcome, a task that requires approximately 10 hours to process on a single computer. Researchers would thus require almost 100,000 years to analyze the existing pictures.
World Community Grid and "Help Conquer Cancer"

Using the power of World Community Grid, scientists at the Ontario Cancer Institute (OCI), Princess Margaret Hospital, and the University Health Network will process the existing 86 million images of proteins that have been screened in the high-throughput crystallization pipeline at HWI. World Community Grid will run a CrystalVision program that the researchers at OCI have developed to analyze the features of individual images to determine the outcome of the crystallization screen — crystal, micro crystal, phase separation, skin, precipitate, or no change.

If a crystal occurs, crystallographers can put the protein through the optimization process to determine the optimal conditions for the crystallization, and in turn perform a diffraction experiment to determine the structure of the protein. What's more, scientists can compare proteins that have successfully crystallized against proteins of unknown structure that have similar characteristics, based on the results from the crystallization screen. This can be the starting point for crystallization for these proteins so that their structure can be determined.

If the crystal produced was not well-formed or large enough, scientists can still use the information to help them better determine the conditions necessary to create a well-formed crystal. For example, they may learn that Protein X and Condition A resulted in a micro crystal, and Protein A and Condition Z resulted in a micro crystal as well. Based on this information, they can then run additional experiments to deduce what conditions need to be optimized to create a larger and more well-formed crystal.

Analyzing the results from this experiment will also lead to better understanding the underlying principles of protein crystallography. For the first time, a comprehensive crystallography image analysis will be done, which was impossible before due to computational complexity. In turn, CrystalVision will be improved to provide faster and more accurate image classification.

Improving the protein crystallography pipeline will enable researchers to determine the structure of many cancer-related proteins faster. This will lead to improving our understanding of the function of these proteins, and enable potential pharmaceutical interventions to treat this deadly disease.

* There are other approaches to understanding the structure and function of proteins, including the method used in the Human Proteome Folding Project also running on World Community Grid. Given the essential nature of this work, it's important to advance every research technique to complete our understanding of the human organism and disease.

FAQ du projet

What are the potential benefits of the "Help Conquer Cancer" project?
There are several direct and indirect benefits of the project. For the first time, scientists will execute a comprehensive image analysis and classification of crystallography images. This will lead to better understanding of the crystallization process, and will enable scientists to improve the accuracy and speed of CrystalVision. Improved understanding of the crystallization process and improved CrystalVision also will enable more disease proteins to be crystallized faster. Finally, more 3D structures will improve our understanding of disease and potentially its treatment, and will lead to improved in silico (performed on a computer or via computer simulation) structure prediction.


What computers can run the "Help Conquer Cancer" Project?
Due to the inherent granularity of our image analysis problem, there are very modest memory and CPU requirements for the compute nodes. However, without access to thousands of CPUs, researchers would not be able to process 80 million images in a reasonable amount of time. Multiple platforms will be able to run the project; World Community Grid is launching Linux and Windows compiled code first, with Macintosh OS to follow.
 

What will World Community Grid's calculations produce?
On the lowest level, CrystalVision will compute thousands of image features for each crystallography image. This data objectively measures characteristics of the image, which will enable scientists to use a system to discern image classification. In turn, this will allow them to automatically and objectively characterize results from the high-throughput crystallization screens, and then apply data mining techniques to optimize future crystallization experiments.


What will happen with the data generated by all these calculations?
After careful analysis, evaluation and interpretation, all results will be published in the public domain. The scientists' first goal is to improve the CrystalVision system to enable automated, accurate and fast crystallography image classification. This algorithm will then be deployed at Hauptman-Woodward Medical Research Institute to ensure that this public high-throughput crystallography screening facility will speed up crystallization of many disease-related proteins.
 

When will this project be completed?
Once the project starts, we will have a better idea about the time required to process the images on World Community Grid. This will be determined by the number of suitable computers and the number of projects being concurrently executed on World Community Grid. However, researchers have several interesting subsets of images, which will be analyzed first, thus enabling preliminary results to be available after a few weeks. These images comprise a set previously analyzed by an earlier version of CrystalVision, as well as by multiple human experts.


When I look at the image, what is my computer working on?
Each work unit is a photograph of a protein crystallization experiment (one out of 1,536 images per protein, photographed six times over a period of one month), a visual record of the state of a protein sample dissolved in a solution of crystallizing agents. This photograph is shown in the background of the agent window. The Grid agent performs a computer vision analysis of the image in order to interpret its contents, first determining important image features, which are then used to classify (or label) the result of the experiment. During the feature image computation, intermediate steps of this analysis are displayed in the colored circles appearing in the foreground of the agent window.

The analysis is a search for four large categories of features in the image: microcrystals, straight lines, discrete objects, and textural features. Intermediate steps of the texture analysis are displayed in the colored circles that appear in the foreground of the agent window. As each step is completed, the computed result appears in the agent window. Each circle is a copy of a region of the original image, transformed to highlight a different texture.


What is the moon-crater object in the middle of the background?
The background image is a photomicrograph of a protein crystallization experiment. The experiment takes place in a droplet of water the size of a pinhead (200 nl), suspended in an oil-filled chamber. The circular wall of the chamber, and the roughly circular droplet contained within are visible in the photo. Inside the droplet, precipitated protein or salt, or even protein crystal may be visible.


What are the round disks? Each disk has a different color. What does that mean?
Each disk is a visualization of a different texture measure applied to the background image. Thus, when two disks are differently colored, it means only that different textures are more or less prominent in different regions of the image. Twenty-six measures of texture are visualized in the Grid agent.

Each measure is related to frequencies of the grey-scale values of pairs of pixels found in the image, and summarizes these frequencies according to pixel-pixel contrast, correlation, variance, or entropy. Each of 13 categories of statistics is measured multiple times by changing the distance and relative orientation of the pixel-pairs.

Each disk visualizes the results of a search for a particular texture in the original image. The texture search is done in three steps. The first step records fine-grained changes in the grey-tones of the image, the second step records medium-grained changes, and the third step records coarse-grained changes. The three steps are visualized together by using red (step 1), green (step 2), and blue (step 3) colour channels to create a full-colour image representing the whole process. A blue region of the disk would then indicate a region of the original image where the texture is most apparent in coarse-grained grey-tone changes.




I noticed that the right most disk is occasionally replaced by a new disk and all the other disks move to the left and the last one falls off. What is going on?
The Grid agent will only display the results of the last 10 image analysis steps. As the next step is completed, its result is displayed, and the oldest is removed.

[Thrr-Gilag]

Je prends la première partie. Je ferai la FAQ ensuite si j'ai le temps. Pas de délai annoncé (mise à part que ça sera fait avant le portail )

[rom_185]

La trad' de google n'est pas trop mauvaise, je veut bien essayer la FAQ, mais pas ce soir...  :sleep:

[rom_185]

J'ai fais ça...
Je suis désoler, je n'ai pas le temps de tout faire .
(comme toujours, les phrases où je ne suis pas sur du sens sont en gras et en italique )

Quels sont les avantages potentiels du projet "Help Conquer Cancer" ?
Il existe plusieurs avantages directs et indirects du projet. Pour la première fois, les scientifiques exécuteront une analyse d'image et une classification complètes des images issue de la cristallographie. Cela conduira à une meilleure compréhension du processus de cristallisation, et permettront aux scientifiques d'améliorer la précision et la rapidité de CrystalVision (c'est l'application ?).
L'amélioration de la compréhension des processus de cristallisation et l'amélioration de la vision des cristaux va également permettre à davantage de protéines de la maladie d'être cristallisé plus rapidement.
Enfin, plus de structures en 3D permettront d'améliorer notre compréhension de la maladie et de son traitement potentiellement, et mènera à l'amélioration "in silico" (réalisé à partir d'un ordinateur ou par simulation sur ordinateur) de la prédiction de la structure.

Quels ordinateurs peuvent exécuter le projet "Help Conquer Cancer" ?
En raison de la granularité inhérente à l'analyse des images de notre problème, il ya de très modestes demande en mémoire et en processeur pour calculer les n%u0153uds. Toutefois, sans accès à des milliers de processeurs, les chercheurs ne seraient pas en mesure de traiter 80 millions d'images dans un temps raisonnable. Plusieurs plates-formes seront en mesure d'exécuter le projet, World Community Grid est en train de lancer la compilation du code pour Linux et Windows en premier lieu, et avec Macintosh OS dans un second temps.

Quelle sera la production de calcul du World Community Grid ?
Au niveau le plus bas, CrystalVision calculera des milliers de caractéristiques d'image pour chaque image de cristallographie. Ces données mesurent objectivement des caractéristiques de l'image, ce qui permettra à des scientifiques d'employer un système pour discerner la classification d'image.
D'autre part, ceci leurs permettra de caractériser automatiquement et objectivement des résultats des écrans de cristallisation de haute résolution, et de leur appliquer des techniques d'extraction de données pour optimiser les futures expériences de cristallisation.

Que se passera-t-il avec les données générées par tous ces calculs?
Après une analyse, l'évaluation et une interprétation soigneuses, tous les résultats seront publiés dans le domaine public.
Les scientifiques : "le premier but est d'améliorer le système de CrystalVision pour permettre une classification automatisée, précise et rapide d'image de cristallographie. Cet algorithme sera alors déployé à l'institut de recherche médicale de Hauptman-Woodward pour s'assurer que ce service de criblage public cristallographique de haute résolution accélèrera la cristallisation de nombreuses maladies liées à des protéines."

Quand ce projet sera terminé ?
Une fois que le projet est lancé, nous allons avoir une meilleure idée sur le temps requis pour traiter les images sur World Community Grid. Cela sera déterminé par le nombre d'ordinateurs qui calculeront et le nombre de projets en cours d'exécution simultanément sur World Community Grid. Toutefois, les chercheurs ont plusieurs sous-ensembles intéressants d'image, qui seront analysés en premier lieu, permettant ainsi à des résultats préliminaires d'être disponibles au bout de quelques semaines. Ces images composées d'un ensemble préalablement analysés par une version antérieure de CrystalVision, ainsi que par plusieurs des experts humains.

[xipehuz]

Merci Romain.

Quelques suggestions de correction :

Citation :

Quels sont les avantages potentiels du projet "Help Conquer Cancer" ?
Il
existe plusieurs avantages directs et indirects du projet. Pour la
première fois, les scientifiques exécuteront une analyse d'image et une
classification complètes des images issue de la cristallographie. Cela
conduira à une meilleure compréhension du processus de cristallisation,
et permettronta aux scientifiques d'améliorer la précision et la
rapidité de CrystalVision (c'est l'application ? Oui).
L'amélioration de la compréhension des processus de cristallisation et l'amélioration de la vision des cristaux [/color]l'application CrystalVision va[/color]ont également permettre à davantage de protéines de la liées à des maladies[/b][/i] d'être cristallisées plus rapidement.
Enfin,
plus de structures en 3D permettront d'améliorer notre compréhension de
la maladie et, potentiellement, de son traitement potentiellement, et mèneraont à
l'amélioration \"in silico\" (réalisé à partir d'un ordinateur ou par
simulation sur ordinateur) de la prédiction de la structure.  Quels ordinateurs peuvent exécuter le projet \"Help Conquer Cancer\" ?
En raison de la granularité
l'imprécision inhérente à notre problème d'l'analyse d'es images de notre problème, il y a de très
modestes les demande en mémoire et en processeur pour calculer les
noeuds restent très modestes. Toutefois, sans s'ils n'avaient pas accès à des milliers de processeurs, les
chercheurs ne seraient pas en mesure de traiter 80 millions d'images
dans un temps des délais raisonnable. Plusieurs plates-formes seront en mesure
d'exécuter le projet, World Community Grid est en train de lancer la
compilation du code pour va proposer des exécutables Linux et Windows en premier lieu, et avec puis sur Macintosh OS dans un second temps. Quelle sera la production Quels vont être les résultats des calculs du \"World Community Grid\"[/b] ?
Au
niveau le plus bas, CrystalVision calculera des milliers de
caractéristiques d'image pour chaque image de cristallographie. Ces
données mesurent objectivement des certaines caractéristiques de l'image, ce qui
permettra à des scientifiques aux chercheurs d'employer un système pour discerner la
classification d'image. (même en anglais, elle veut rien dire cette phrase)[/b][/i]
D'autre part, ceci leurs
permettra de caractériser automatiquement et objectivement des
résultats des écrans de cristallisation de haute résolution criblages cristallographiques [/b]à haut débit, et de leur appliquer des techniques d'extraction de données pour optimiser les futures expériences de cristallisation. Que se passera-t-il avec les données générées par tous ces calculs?
Après une de soigneuses analyses[/b], l'évaluations[/b] et une interprétations[/b] soigneuses, tous les résultats seront publiés dans le domaine public.
Les
scientifiques : \"le premier but L'objectif principal des chercheurs [/b]est d'améliorer le système de
CrystalVision pour permettre une classification automatisée, précise et
rapide d'image de cristallographie. Cet algorithme sera alors déployé à
l'institut de recherches médicales de Hauptman-Woodward pour s'assurer
que ce service de criblage public cristallographique à haut débit de haute résolution accélèrera pourra accélérer la cristallisation de nombreuses maladies liées à des protéines liées à des maladies[/b].\"
 Quand ce projet sera-t-il terminé ?
Une
fois que le projet est lancé, nous allons avoir aurons une meilleure idée sur
le du temps requis pour traiter les images sur World Community Grid. Cela
sera déterminé par le nombre d'ordinateurs adaptés qui calculeront et le nombre
de projets en cours d'exécution simultanément sur World Community Grid.
Toutefois, les chercheurs ont plusieurs sous-ensembles intéressants
d'images[/b], qui seront analysés en premier lieu, permettant ainsi à des
résultats préliminaires d'être disponibles au bout de quelques
semaines. Ces images sont composées d'un ensemble préalablement analysés par
une version antérieure de CrystalVision, ainsi que par plusieurs des
experts humains.

[rom_185]

Merci pour tes modifications .

[xipehuz]

Zut, mon édition à foiré et tout c'est mis en rouge et j'arrive pas à le corriger.    

Pu...n de forum de m...e   [:al@on:2]     [:otax]

Et en plus certaines parties barrées sont redevenues normales.

Romain, si tu t'y retrouves dans ce m...ier, chapeau  

[rom_185]

Quels sont les avantages potentiels du projet "Help Conquer Cancer" ?

Il existe plusieurs avantages directs et indirects du projet. Pour la
première fois, les scientifiques exécuteront une analyse d'image et une
classification complètes des images issue de la cristallographie. Cela
conduira à une meilleure compréhension du processus de cristallisation,
et permettra aux scientifiques d'améliorer la précision et la
rapidité de CrystalVision.
L'amélioration de la compréhension des processus de cristallisation et l'amélioration de vision des cristaux l'application CrystalVision vont également permettre à davantage de protéines liées à des maladies d'être cristallisées plus rapidement.
Enfin, plus de structures en 3D permettront d'améliorer notre compréhension de
la maladie et, potentiellement, de son traitement, et mèneront à
l'amélioration "in silico" (réalisé à partir d'un ordinateur ou par
simulation sur ordinateur) de la prédiction de la structure.

Quels ordinateurs peuvent exécuter le projet "Help Conquer Cancer" ?

En raison de l'imprécision inhérente à notre problème d'analyse d'images les demande en mémoire et en processeur pour calculer les n%u0153uds restent très modestes. Toutefois, s'ils n'avaient pas accès à des milliers de processeurs, les chercheurs ne seraient pas en mesure de traiter 80 millions d'images dans des délais raisonnable. Plusieurs plates-formes seront en mesure
d'exécuter le projet, World Community Grid va proposer des exécutables Linux et Windows en premier, puis sur Macintosh OS dans un second temps.

Quels vont être les résultats des calculs du World Community Grid ?

Au niveau le plus bas, CrystalVision calculera des milliers de
caractéristiques d'image pour chaque image de cristallographie. Ces données mesurent objectivement certaines caractéristiques de l'image, ce qui permettra aux chercheurs d'employer un système pour discerner la classification d'image. (même en anglais, elle veut rien dire cette phrase)
D'autre part, ceci leurs permettra de caractériser automatiquement et objectivement des
résultats des haute résolution criblages cristallographiques à haut débit, et de leur appliquer des techniques d'extraction de données pour optimiser les futures expériences de cristallisation.

Que se passera-t-il avec les données générées par tous ces calculs?

Après de soigneuses analyses, évaluations et interprétations, tous les résultats seront publiés dans le domaine public.
L'objectif principal des chercheurs est d'améliorer le système de CrystalVision pour permettre une classification automatisée, précise et rapide d'image de cristallographie. Cet algorithme sera alors déployé à l'institut de recherches médicales Hauptman-Woodward pour s'assurer que ce service de criblage public cristallographique à haut débit haute résolution pourra accélérer la cristallisation de nombreuses protéines liées à des maladies.

Quand ce projet sera-t-il terminé ?

Une fois le projet lancé, nous aurons une meilleure idée du temps requis pour traiter les images sur World Community Grid. Cela sera déterminé par le nombre d'ordinateurs adaptés qui calculeront et le nombre de projets en cours d'exécution simultanément sur World Community Grid.
Toutefois, les chercheurs ont plusieurs sous-ensembles intéressants d'images, qui seront analysés en premier lieu, permettant ainsi à des résultats préliminaires d'être disponibles au bout de quelques
semaines.
Ces images sont composées d'un ensemble préalablement analysés par une version antérieure de CrystalVision, ainsi que par plusieurs des experts humains.

Voila voila   .
Relit quand même pour voir si je n'ai rien oublier .

[xipehuz]

Voila, j'ai juste barré ce qui était en trop.

Merci romain.

Quels sont les avantages potentiels du projet "Help Conquer Cancer" ?
 

Il existe plusieurs avantages directs et indirects du projet. Pour la
première fois, les scientifiques exécuteront une analyse d'image et une
classification complètes des images issue de la cristallographie. Cela
conduira à une meilleure compréhension du processus de cristallisation,
et permettra aux scientifiques d'améliorer la précision et la
rapidité de CrystalVision.
L'amélioration de la compréhension des processus de cristallisation et l'amélioration de vision des cristaux l'application CrystalVision vont également permettre à davantage de protéines liées à des maladies d'être cristallisées plus rapidement.
Enfin, plus de structures en 3D permettront d'améliorer notre compréhension de
la maladie et, potentiellement, de son traitement, et mèneront à
l'amélioration "in silico" (réalisé à partir d'un ordinateur ou par
simulation sur ordinateur) de la prédiction de la structure.
 

Quels ordinateurs peuvent exécuter le projet "Help Conquer Cancer" ?
 

En raison de l'imprécision inhérente à notre problème d'analyse d'images les demande en mémoire et en processeur pour calculer les noeuds restent très modestes. Toutefois, s'ils n'avaient pas accès à des milliers de processeurs, les chercheurs ne seraient pas en mesure de traiter 80 millions d'images dans des délais raisonnable. Plusieurs plates-formes seront en mesure
d'exécuter le projet, World Community Grid va proposer des exécutables Linux et Windows en premier, puis sur Macintosh OS dans un second temps.
 

Quels vont être les résultats des calculs du World Community Grid ?
 

Au niveau le plus bas, CrystalVision calculera des milliers de
caractéristiques d'image pour chaque image de cristallographie. Ces données mesurent objectivement certaines caractéristiques de l'image, ce qui permettra aux chercheurs d'employer un système pour discerner la classification d'image. (même en anglais, elle veut rien dire cette phrase)
D'autre part, ceci leurs permettra de caractériser automatiquement et objectivement dles
résultats des haute résolution criblages cristallographiques à haut débit, et de leur appliquer des techniques d'extraction de données pour optimiser les futures expériences de cristallisation.
 

Que se passera-t-il avec les données générées par tous ces calculs?
 

Après de soigneuses analyses, évaluations et interprétations, tous les résultats seront publiés dans le domaine public.
L'objectif principal des chercheurs est d'améliorer le système de CrystalVision pour permettre une classification automatisée, précise et rapide d'image de cristallographie. Cet algorithme sera alors déployé à l'institut de recherches médicales Hauptman-Woodward pour s'assurer que ce service de criblage public cristallographique à haut débit haute résolution pourra accélérer la cristallisation de nombreuses protéines liées à des maladies.
 

Quand ce projet sera-t-il terminé ?
 Une fois le projet lancé, nous aurons une meilleure idée du temps requis pour traiter les images sur World Community Grid. Cela sera déterminé par le nombre d'ordinateurs adaptés qui calculeront et le nombre de projets en cours d'exécution simultanément sur World Community Grid.
Toutefois, les chercheurs ont plusieurs sous-ensembles intéressants d'images, qui seront analysés en premier lieu, permettant ainsi à des résultats préliminaires d'être disponibles au bout de quelques
semaines.
Ces images sont composées d'un ensemble préalablement analysés par une version antérieure de CrystalVision, ainsi que par plusieurs des experts humains.

[JmBoullier]

Ces données mesurent objectivement certaines caractéristiques de l'image, ce qui permettra aux chercheurs d'employer un système pour discerner la classification d'image. (même en anglais, elle veut rien dire cette phrase)

Pas vraiment. Personnellement j'hésite entre deux sens possibles.
1. "ce qui permettra aux chercheurs d'employer un système pour reconnaître les catégories d'images", c'est-à-dire de les classer automatiquement sans avoir à se les regarder une par une.
ou bien
2. "ce qui permettra aux chercheurs d'employer un système pour établir un mode de classement" en analysant les caractéristiques principales qui émergent de l'ensemble de résultats.

Personnellement je pencherais plutôt pour la première mais j'aimerais avoir l'opinion de modesti, au moins sur la validité linguistique de mes interprétations.
Sinon je peux aussi essayer de demander à un ancien collègue anglais bilingue pour avoir au moins le sens correct.

En tout état de cause je doute que l'auteur ait publié une phrase qui "ne veut rien dire en anglais".  

Excuse-moi xipehuz de dire ça après autant de travail de ta part, mais j'ai aussi lu ta signature.    
Jean.

[Thrr-Gilag]

Voila la première partie :

X-ray Crystallography

Cristallographie à rayons X
 
Une des méthodes préférées pour la détermination des structures de protéines est la cristallographie par rayons X. A l'aide de cette méthode, les scientifiques utilisent la filière de cristallisation à haut rendement pour aider à gloser les parties inconnues du protéinome humain, qui à son tour aidera à améliorer leur compréhension du l'initiation, de la progression et du traitement du cancer.*

Il y a 2 étapes principales nécessaires pour la cristallographie à rayons X :
1.   Cristalliser la protéine : bien que de manière beaucoup plus compliquée, cette étape est similaire à mettre du sucre dans une tasse d'eau et à laisser le tout décanter un bout de temps. Lorsque l'eau s'évapore, de petits cristaux de sucre apparaissent.
2.   Envoyer les rayons X à travers le cristal : en fonction de la manière dont il diffracte, un modèle mathématique est utilisé pour déterminer et observer la structure de la protéine.

Cristalliser une protéine n'est pas une procédure directe. Il y a des centaines de conditions qui peuvent affecter le processus (concentration de la protéine et de la solution, température, pH, adjuvants chimiques, etc.), mais les scientifiques doivent déterminer la combinaison appropriée de ces conditions pour obtenir la cristallisation de la protéine. Par exemple, pour le sucre, si l'on change l'eau par un autre liquide, la température ou les concentrations, vous pouvez ne pas obtenir de cristaux. A l'identique, pour une protéine donnée, le défi est de connaître quelles conditions mèneront à la formation du cristal – quelle solution, quelle température, quel pH, ...
 
Le cristal de protéine résultant doit aussi être bien formé et suffisamment large pour que les rayons X puissent détecter la structure de la protéine à une haute résolution. Si les conditions ne sont pas parfaites pour la cristallisation de la protéine, le processus peut fournir soit un microcristal, qui est trop petit pour la détermination de structure ; soit à un précipité, qui montre quelques changements, mais ne mène pas à la cristallisation de manière directe ; ou encore ne produire aucun changement.

La situation est frustrante puisque, et c'est une autre barrière à la progression, de manière générale, plus les protéines sont importantes pour la recherche sur le cancer, plus elles sont difficiles à faire cristalliser. Beaucoup de protéines concernées par le cancer sont de longues chaînes, ou bien requièrent des protéines additionnelles pour se replier de manière correcte et ne peuvent pas être cristallisée par elles-mêmes.

Dans le but d'effectuer les millions de combinaisons nécessaires pour cristalliser avec succès une protéine, les scientifiques utilisent des robots pour effectuer le travail. Les robots sont capables de mettre en place les différentes conditions de cristallisation plus rapidement et plus précisément.  Pour faciliter ensuite le processus, le résultat de chacune des millions d'expériences de cristallisation est photographié.

Actuellement, les scientifiques du Hauptman-Woodwart Medical Research Institute (HWI) situé à Buffalo ont effectué plus de 86 millions d'expériences de cristallographie pour plus de 9 400 protéines. En conséquence, ils ont 86 millions de photos de ces protéines qui ont été envoyé au cristallographe à rayons X à haut rendement. Chacune de ces photographies a besoin d'être analysée pour déterminer quel est le résultat de l'expérience – c'est-à-dire cristal, précipité, séparation de phases, effet de peau, pas de changement.

L'un des défis est l'extraordinaire taille de cette base de données, qui requiert plus de 25 To d'espace de stockage (ou l'équivalent de plus de 9 000 DVD). Le superordinateur IBM's Blue Gene a fourni une assistance au cours de cette phase du travail, en exécutant un algorithme de compression spécial pour réduire la taille de ces images sans perdre leur contenu. L'autre défi est d'analyser complètement une image afin de déterminer la cristallisation sortante, une tâche qui requiert environ 10 heures sur un ordinateur seul. Les chercheurs ont donc besoin de pratiquement 100 000 ans pour analyser les photos existantes.

En utilisant la puissance du World Community Grid (WCG), les scientifiques de l'Ontario Cancer Institute (OCI), Princess Margaret Hospital et de l'université Health Network analyseront les 86 millions de photos existantes de protéines qui ont été examinées par la chaine de cristallisation à haut rendement du HWI. WCG exécutera un programme CrystalVision que les chercheurs de l'OCI ont développé pour analyser les faciès de chaque image afin de déterminer le résultat des analyses de cristallisation – cristal, microcristal, séparation de phases, effet de peau, précipité ou pas de changement.

Si un cristal est obtenu, les cristallographes peuvent envoyer la protéine dans un processus d'optimisation afin de déterminer les conditions optimales pour la cristallisation, et au final réaliser une expérience de diffraction afin de déterminer la structure de la protéine. De plus, les scientifiques peuvent comparer les protéines qui ont bien cristallisées avec celles de structure inconnue qui ont des caractéristiques similaires d'après les résultats des examens de cristallisation. Cela peut être le point de départ pour la cristallisation de ces protéines ce qui mènerait à la détermination de leur structure.

Si le cristal produit n'a pas été bien formé, ou qu'il n'est pas assez grand, les scientifiques peuvent tout de même utiliser les informations pour les aider à déterminer les conditions nécessaires pour créer un cristal bien formé. Par exemple, ils peuvent apprendre que la protéine X sous la condition A donne un microcristal, et que la protéine A [ne serait-ce pas la X plutôt ??] sous la condition Z donne aussi un microcristal. En ce basant sur ces informations, ils peuvent effectuer des expériences supplémentaires pour déduire quelles conditions doivent être optimisées pour créer un cristal plus grand et mieux formé.

L'analyse des résultats de cette expérience mènera aussi à une meilleure compréhension des principes sous-jacents de la cristallographie protéinique. Pour la première fois, une analyse complète des images cristallographiques sera faite, ce qui était impossible auparavant en raison de la complexité des calculs. A son tour, CrystalVision sera amélioré pour fournir une classification des images plus rapidement et avec une meilleure précision.

Améliorer la chaine de cristallographie des protéines permettra aux chercheurs de déterminer plus rapidement la structure de nombreuses protéines liées au cancer. Cela mènera à l'amélioration de notre compréhension de la fonction de ces protéines, et permettra aux interventions pharmaceutiques potentielles de traiter cette maladie mortelle.
 
* Il existe d'autres approches pour comprendre la structure et la fonction d'une protéine, incluant la méthode utilisée par le Human Proteome Folding Project qui est aussi execute par le WCG. Etant donné la nature vitale de ce travail, il est important d'utiliser toutes les techniques de recherche permettant de compléter notre compréhension de l'organisme humain et de la maladie.

[modesti]

Bonsoir, je viens de voir ça :
[quotemsg]
Personnellement je pencherais plutôt pour la première mais j'aimerais
avoir l'opinion de modesti, au moins sur la validité linguistique de
mes interprétations.

Sinon je peux aussi essayer de demander à un ancien collègue anglais bilingue pour avoir au moins le sens correct.

 [/quote]

OK, je jette un oeil pendant le week-end - entre deux traductions - et je vous dirai ce que j'en pense

[modesti]

Hum, heureusement que je n'avais pas dit pendant quel week-end  [:thomas:1]  

Alors, pour répondre à xipehuz et JmBoullier, la phrase en question a un sens   . Je pense que le problème se situe au niveau la traduction de "to discern". Que pensez-vous de :

[quotemsg]

 Ces données mesurent objectivement certaines caractéristiques de l'image, ce qui permettra aux chercheurs d'utiliser un système de discernement [de distinction?] de la classification d'images.[/quote]

Quant à la phrase suivante, il y a - AMHA - une "haute résolution" de trop, et je ne pense pas que ce soit des "criblages". Suggestion :

[quotemsg]

 D'autre part, ceci leur permettra de caractériser automatiquement et objectivement des résultats à partir des écrans de cristallisation à haut débit, puis d'appliquer des techniques d'extraction de données pour optimiser les expériences futures de cristallisation.[/quote]
J'espère avoir pu vous être utiles  

[xipehuz]

Je n'y connais rien à la matière, mais c'est quoi un "écran de cristalisation à haut débit"

Pour ma part, j'avais opté pur la traduction to screen ---> passer au crible ou trier, au lieu de screen --> écran

Mais comme j'avais pas compris la phrase ...

EDIT : Au fait, je pense avoir à nouveau le temps de me pencher sur de nouvelles traductions après 2 mois d'absence  

[modesti]

Je ne sais pas non plus ce que c'est - je n'y connais rien non plus -, mais telle que la phrase est écrite en anglais, "screens" ne pouvait en aucun cas être un verbe.
Pour mémoire :
[quotemsg]

 In turn, this will allow them to automatically and objectively
characterize results from the high-throughput crystallization screens,
and then apply data mining techniques to optimize future
crystallization experiments.[/quote]
 [:saispas]  

[xipehuz]

Je suis d'accord avec toi. Je me suis mal exprimé dans mon message précédent. J'aurais du écrire screen --> outil de criblage (ou de tri).

Comme j'étais frustré de ne pas du tout comprendre ce que cette phrase voulait dire, j'ai fait une petite recherche sur le web et ce que j'ai trouvé, notamment :

http://www.innovadyne.com/_crystallization-screen.html ou
http://www.axygenbio.com/products/custom-follow-up-or-optimization-screens ou
http://www.ncbi.nlm.nih.gov/pubmed/12777766

me fait quand même penser qu'il s'agit d'un outil de tri/sélection des proteines et pas d'un écran de visualisation.

Mais comme je ne suis pas chimiste, ça reste de toute façon très fumeux pour moi  

[modesti]

Effectivement, avec tes liens c'est un peu plus clair. Mais pas assez pour moi pour tenter une traduction
J'avoue que l'anglais scientifique trop spécialisé n'est pas vraiment mon point fort

[Thrr-Gilag]

je mettrai criblage personnellement, même si ce n'est pas ma spécialité.

[Heyoka]

voilà la totalité de l'article est en place maintenant

http://www.boinc-af.org/content/view/814/219/

[rom_185]