Simulateur de Séquences Génomiques avec Erreurs

# Fiche Produit : Simulateur de Séquences Génomiques avec Erreurs

Ce script Python simule des séquences génomiques avec différents scénarios d’erreurs, analyse la fréquence des nucléotides (A, C, G, T, N) et visualise les résultats sous forme d’histogrammes. Il est conçu pour modéliser des erreurs de séquençage et évaluer leur impact sur la composition des séquences.

## Caractéristiques du script :

**1. Génération de séquences génomiques :**
– Séquence de référence générée aléatoirement avec 1000 bases (A, C, G, T) et une distribution uniforme (25 % chacune).
– Reproductibilité assurée via une graine aléatoire (`np.random.seed(42)`).
– Simulation de cinq scénarios d’erreurs :
– **Toutes bases correctes** : Aucune erreur (100 % correctes).
– **20 % d’erreurs** : 20 % des bases remplacées par ‘N’ (aléatoire).
– **50 % d’erreurs** : 50 % des bases remplacées par ‘N’ (aléatoire).
– **5 régions correctes** : Seules 5 régions de 50 bases (indices 0-49, 200-249, 400-449, 600-649, 800-849) sont correctes, le reste est ‘N’.
– **Toutes bases erronées** : Toutes les bases remplacées par ‘N’.

**2. Simulation des erreurs :**
– Utilisation d’un masque booléen (`True` = erreur, `False` = correct) pour générer des séquences avec erreurs.
– Bases erronées remplacées par ‘N’, simulant des lectures ambiguës ou manquantes.

**3. Analyse des nucléotides :**
– Comptage des fréquences des nucléotides (A, C, G, T, N) pour chaque séquence.
– Calcul du nombre de bases correctes (A, C, G, T) et erronées (N).

**4. Visualisation :**
– Génération d’histogrammes pour chaque scénario (5 sous-graphiques dans une grille 2×3).
– Chaque histogramme montre la fréquence des nucléotides (A, C, G, T, N) avec des couleurs distinctes (bleu, orange, vert, rouge, gris).
– Affichage textuel du nombre d’erreurs (N) et de bases correctes dans chaque graphique.
– Mise en page optimisée avec titres, étiquettes d’axes, grille et limites uniformes (0 à 1000).

**5. Exportation :**
– Sauvegarde automatique de la figure complète au format PNG (`genomic_scenarios.png`, DPI 300) pour une qualité élevée.
– Possibilité d’affichage interactif via Matplotlib.

**6. Flexibilité et extensibilité :**
– Paramètres ajustables : longueur de la séquence, distribution des nucléotides, scénarios d’erreurs, probabilités d’erreurs.
– Structure simple, adaptable pour intégrer d’autres analyses (ex. alignement de séquences, détection de motifs).
– Facilité d’ajout de nouveaux scénarios ou de modification des masques d’erreurs.

## Utilisation :

Le script s’exécute directement et génère :
– Une séquence de référence aléatoire de 1000 bases.
– Cinq séquences avec différents scénarios d’erreurs.
– Une figure avec cinq histogrammes comparant les fréquences des nucléotides.
– Un fichier PNG exporté contenant les visualisations.

**Paramètres par défaut :**
– Longueur de la séquence : 1000 bases
– Nucléotides : A, C, G, T (probabilité uniforme : 25 %)
– Scénarios : 0 %, 20 %, 50 % d’erreurs, 5 régions correctes, 100 % d’erreurs
– Graine aléatoire : 42

– **Sortie :**
– Figure avec 5 histogrammes (fréquence des nucléotides par scénario).
– Texte intégré indiquant le nombre d’erreurs (N) et de bases correctes.
– Fichier `genomic_scenarios.png` sauvegardé.
– **Dépendances :** Python 3.x, `numpy`, `matplotlib`.
– **Personnalisation :** Ajustement de la longueur de la séquence, des probabilités des nucléotides, des scénarios d’erreurs ou des styles de visualisation.

**Licence :** MIT