Method Article

Inherent Dynamics Visualizer ، تطبيق تفاعلي لتقييم وتصور المخرجات من خط أنابيب الاستدلال على شبكة تنظيم الجينات

DOI:

10.3791/63084

⸱

December 7th, 2021

 ,  ,  ,  , 
1Department of Biology, Duke University, 2Department of Mathematical Sciences, Montana State University, 3Department of Mathematical Sciences, Florida Atlantic University

In This Article

Summary

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

إن Inherent Dynamics Visualizer عبارة عن حزمة تصور تفاعلية تتصل بأداة استدلال شبكة تنظيمية جينية لتوليد محسن ومبسط لنماذج الشبكات الوظيفية. يمكن استخدام المتخيل لاتخاذ قرارات أكثر استنارة لوضع معلمات أداة الاستدلال ، وبالتالي زيادة الثقة في النماذج الناتجة.

Abstract

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

يعد تطوير نماذج الشبكات التنظيمية الجينية تحديا كبيرا في بيولوجيا النظم. وقد تم تطوير العديد من الأدوات الحسابية وخطوط الأنابيب لمواجهة هذا التحدي، بما في ذلك خط أنابيب الديناميكيات المتأصلة الذي تم تطويره حديثا. يتكون خط أنابيب الديناميكيات المتأصلة من العديد من الأدوات المنشورة سابقا والتي تعمل بشكل تآزري ومتصلة بطريقة خطية ، حيث يتم استخدام مخرجات أداة واحدة كمدخلات للأداة التالية. كما هو الحال مع معظم التقنيات الحسابية ، تتطلب كل خطوة من خطوات Inherent Dynamics Pipeline من المستخدم اتخاذ خيارات حول المعلمات التي ليس لها تعريف بيولوجي دقيق. يمكن أن تؤثر هذه الخيارات بشكل كبير على نماذج الشبكات التنظيمية الجينية التي ينتجها التحليل. لهذا السبب ، يمكن أن تساعد القدرة على تصور واستكشاف عواقب خيارات المعلمات المختلفة في كل خطوة على زيادة الثقة في الخيارات والنتائج. Inherent Dynamics Visualizer هي حزمة تصور شاملة تعمل على تبسيط عملية تقييم خيارات المعلمات من خلال واجهة تفاعلية داخل متصفح الويب. يمكن للمستخدم فحص مخرجات كل خطوة من خطوات خط الأنابيب بشكل منفصل ، وإجراء تغييرات بديهية استنادا إلى المعلومات المرئية ، والاستفادة من الإنتاج التلقائي لملفات الإدخال الضرورية لخط أنابيب الديناميكيات المتأصلة. يوفر Inherent Dynamics Visualizer مستوى لا مثيل له من الوصول إلى أداة معقدة للغاية لاكتشاف الشبكات التنظيمية الجينية من بيانات النسخ ذات السلاسل الزمنية.

Introduction

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

العديد من العمليات البيولوجية الهامة، مثل تمايز الخلايا والاستجابة البيئية، تحكمها مجموعات من الجينات التي تتفاعل مع بعضها البعض في شبكة تنظيم الجينات (GRN). تنتج GRNs هذه ديناميكيات النسخ اللازمة لتنشيط النمط الظاهري الذي تتحكم فيه والحفاظ عليه ، لذا فإن تحديد المكونات والبنية الطوبولوجية ل GRN هو المفتاح لفهم العديد من العمليات والوظائف البيولوجية. يمكن نمذجة GRN كمجموعة من الجينات المتفاعلة و / أو المنتجات الجينية التي تصفها شبكة تكون عقدها هي الجينات والتي تصف حوافها اتجاه وشكل التفاعل (على سبيل المثال ، تنشيط / قمع النسخ ، والتعديل بعد الترجمة ، وما إلى ذلك) 1. يمكن بعد ذلك التعبير عن التفاعلات كنماذج رياضية معلمة تصف تأثير الجين المنظم على إنتاج هدفه (أهدافه) 2،3،4. يتطلب الاستدلال على نموذج GRN كلا من الاستدلال على بنية شبكة التفاعل وتقدير معلمات التفاعل الأساسية. تم تطوير مجموعة متنوعة من طرق الاستدلال الحسابي التي تستوعب بيانات التعبير الجيني للسلاسل الزمنية ونماذج GRN الناتجة 5. في الآونة الأخيرة، تم تطوير طريقة استدلال GRN جديدة، تسمى خط أنابيب الديناميكيات المتأصلة (IDP)، والتي تستخدم بيانات التعبير الجيني للسلاسل الزمنية لإنتاج نماذج GRN مع تفاعلات مستهدفة من قبل المنظم قادرة على إنتاج ديناميكيات تتوافق مع الديناميكيات المرصودة في بيانات التعبير الجيني6. IDP عبارة عن مجموعة من الأدوات المتصلة خطيا بخط أنابيب ويمكن تقسيمها إلى ثلاث خطوات: خطوة العثور على العقدة التي تصنف الجينات بناء على خصائص التعبير الجيني المعروفة أو المشتبه في ارتباطها بوظيفة GRN7,8 ، وهي خطوة Edge Finding التي تصنف العلاقات التنظيمية الزوجية 8 ، 9 ، وخطوة العثور على الشبكة التي تنتج نماذج GRN القادرة على إنتاج الديناميكيات المرصودة10،11،12،13،14،15.

مثل معظم الطرق الحسابية ، يتطلب IDP مجموعة من الوسيطات المحددة من قبل المستخدم والتي تملي كيفية تحليل بيانات الإدخال ، ويمكن أن تؤدي مجموعات مختلفة من الوسيطات إلى نتائج مختلفة على نفس البيانات. على سبيل المثال، تحتوي عدة طرق، بما في ذلك IDP، على وسيطات تطبق بعض العتبة على البيانات، ويمكن أن تؤدي زيادة/تقليل هذه العتبة بين عمليات التشغيل المتتالية للطريقة المعينة إلى نتائج مختلفة بين عمليات التشغيل (انظر الملاحظة الملحق 10: طرق استدلال الشبكة من5). إن فهم كيفية تأثير كل حجة على التحليل والنتائج اللاحقة أمر مهم لتحقيق ثقة عالية في النتائج. على عكس معظم طرق الاستدلال GRN ، يتكون IDP من أدوات حسابية متعددة ، لكل منها مجموعة خاصة بها من الحجج التي يجب على المستخدم تحديدها ولكل منها نتائجها الخاصة. في حين أن IDP توفر وثائق شاملة حول كيفية وضع معلمات لكل أداة ، فإن الاعتماد المتبادل لكل أداة على مخرجات الخطوة السابقة يجعل تحديد معلمات خط الأنابيب بأكمله دون تحليلات وسيطة أمرا صعبا. على سبيل المثال ، من المرجح أن تكون الحجج في خطوات Edge و Network Finding مستنيرة بالمعرفة البيولوجية السابقة ، وبالتالي ستعتمد على مجموعة البيانات و / أو الكائن الحي. ولاستجواب النتائج الوسيطة، ستكون هناك حاجة إلى فهم أساسي للبرمجة، فضلا عن فهم عميق لجميع ملفات النتائج ومحتوياتها من IDP.

مصور الديناميكيات المتأصلة (IDV) هو حزمة تصور تفاعلية يتم تشغيلها في نافذة مستعرض المستخدم وتوفر طريقة لمستخدمي IDP لتقييم تأثير خيارات الوسيطة الخاصة بهم على النتائج من أي خطوة في IDP. يتنقل IDV في بنية دليل معقدة تنتجها IDP ويجمع البيانات اللازمة لكل خطوة ويقدم البيانات في أشكال وجداول بديهية وتفاعلية للمستخدم لاستكشافها. بعد استكشاف هذه الشاشات التفاعلية ، يمكن للمستخدم إنتاج بيانات جديدة من خطوة IDP التي يمكن أن تستند إلى قرارات أكثر استنارة. ويمكن بعد ذلك استخدام هذه البيانات الجديدة على الفور في الخطوة التالية ذات الصلة من IDP. بالإضافة إلى ذلك، يمكن أن يساعد استكشاف البيانات في تحديد ما إذا كان يجب إعادة تشغيل خطوة IDP باستخدام معلمات معدلة. يمكن ل IDV تعزيز استخدام IDP ، وكذلك جعل استخدام IDP أكثر سهولة وسهولة ، كما يتضح من خلال التحقيق في المذبذب الأساسي GRN لدورة خلية الخميرة. يتضمن البروتوكول التالي نتائج IDP من تشغيل IDP كامل المعلمات مقابل نهج يتضمن IDV بعد تشغيل كل خطوة IDP ، أي العقدة والحافة والعثور على الشبكة.

Access restricted. Please log in or start a trial to view this content.

Protocol

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

1. تثبيت IDP و IDV

ملاحظة: يفترض هذا القسم أن docker و conda و pip و git مثبتة بالفعل (جدول المواد).

  1. في المحطة الطرفية، أدخل الأمر: git clone https://gitlab.com/biochron/inherent_dynamics_pipeline.git.
  2. اتبع إرشادات التثبيت في الملف التمهيدي الخاص بموفر الهوية.
  3. في المحطة الطرفية، أدخل الأمر: git استنساخ https://gitlab.com/bertfordley/inherent_dynamics_visualizer.git.
    ملاحظة: يجب أن يحدث استنساخ IDV خارج دليل المستوى الأعلى ل IDP.
  4. اتبع إرشادات التثبيت في الملف التمهيدي الخاص ب IDV.

2. العثور على العقدة

  1. إنشاء ملف تكوين IDP جديد يقوم بمعلمة الخطوة بحث عن العقدة.
    ملاحظة: يجب عدم كتابة كافة علامات الاقتباس في الخطوات التالية. يتم استخدام علامات الاقتباس هنا فقط كمحدد بين نص البروتوكول وما سيتم كتابته.
    1. أضف وسيطات IDP الرئيسية إلى ملف التكوين.
    2. افتح ملفا نصيا جديدا في محرر نصوص واكتب "data_file =" و "annotation_file =" و "output_dir =" و "num_proc =" و "IDVconnection = True" على أسطر فردية.
    3. بالنسبة إلى "data_file"، بعد المساواة في العلامة، اكتب المسار إلى ملف السلسلة الزمنية المعني واسمه واكتب فاصلة بعد الاسم. افصل كل بيانات بفاصلة، إذا كان يتم استخدام أكثر من مجموعة بيانات سلسلة زمنية واحدة. راجع الملف التكميلي 1 والملف التكميلي 2 للحصول على مثال على ملفات التعبير الجيني للسلاسل الزمنية.
    4. اكتب المسار إلى ملف التعليقات التوضيحية واسمه ل "annotation_file"، بعد علامة "يساوي ل". راجع الملف التكميلي 3 للحصول على مثال لملف تعليق توضيحي.
    5. بالنسبة إلى "output_file"، بعد المساواة في العلامة، اكتب المسار إلى المجلد الذي سيتم حفظ النتائج فيه واسمه.
    6. بعد علامة "مساواة للتوقيع num_proc"، اكتب عدد العمليات التي يجب أن يستخدمها IDP.
    7. إضافة وسيطات البحث عن العقدة إلى ملف التكوين.
    8. في نفس الملف النصي كما في الخطوة 2.1.1، اكتب الترتيب المقدم "[dlxjtk_arguments]" و "فترات =" و "dlxjtk_cutoff =" على أسطر فردية. ضع هذه بعد الحجج الرئيسية.
    9. بالنسبة إلى "الفترات"، بعد علامة المساواة للعلامة، إذا كان يجري استخدام مجموعة بيانات سلسلة لمرة واحدة، اكتب كل طول فترة مفصولة بفواصل. بالنسبة لأكثر من مجموعة بيانات سلسلة زمنية واحدة، اكتب كل مجموعة من أطوال الفترات كما كان من قبل ولكن ضع أقواس مربعة حول كل مجموعة وضع فاصلة بين المجموعات.
    10. بعد علامة المساواة، بالنسبة ل "dlxjtk_cutoff"، اكتب عددا صحيحا يحدد الحد الأقصى لعدد الجينات التي يجب الاحتفاظ بها في ناتج gene_list_file بواسطة de Lichtenberg بواسطة JTK_CYCLE (DLxJTK) (الجدول 1).
      ملاحظة: يوصى بشدة بمراجعة أقسام dlxjtk_arguments في IDP README للحصول على فهم أفضل لكل وسيطة. راجع الملف التكميلي 4 للحصول على مثال لملف تكوين مع وسيطات بحث العقدة المحددة.
  2. في المحطة الطرفية، انتقل إلى دليل IDP، المسمى inherent_dynamics_pipeline.
  3. في المحطة الطرفية ، أدخل الأمر: conda تنشيط dat2net
  4. قم بتشغيل IDP باستخدام ملف التكوين الذي تم إنشاؤه في الخطوة 2.1 عن طريق تشغيل هذا الأمر في المحطة الطرفية، حيث <اسم ملف التكوين> هو اسم الملف: اسم ملف python src/dat2net.py
  5. في المحطة الطرفية، انتقل إلى الدليل المسمى inherent_dynamics_visualizer وأدخل الأمر: . /viz_results.sh
    ملاحظة: سيشير إلى الدليل المستخدم كدليل إخراج لموفر الهوية.
  6. في مستعرض ويب، أدخل http://localhost:8050/ كعنوان URL.
  7. مع فتح IDV الآن في المتصفح ، انقر فوق علامة التبويب البحث عن العقدة وحدد مجلد البحث عن العقدة الذي يهمه من القائمة المنسدلة.
  8. قم بتنظيم قائمة جينات جديدة يدويا من جدول قائمة الجينات في IDV لاستخدامها في خطوات IDP اللاحقة.
    1. لتوسيع جدول قائمة الجينات أو تقصيره، انقر فوق السهمين لأعلى أو لأسفل أو أدخل يدويا عددا صحيحا بين 1 و50 في المربع بجوار التعبير الجيني للجينات المصنفة في DLxJTK. أعلى:.
    2. في جدول قائمة الجينات، انقر على المربع بجانب الجين لعرض ملف تعريف التعبير الجيني الخاص به في رسم بياني خطي. يمكن إضافة جينات متعددة.
    3. حدد اختياريا عدد الصناديق المتساوية الحجم لحساب الجينات وترتيبها حسب الفاصل الزمني الذي يحتوي على تعبير الذروة، عن طريق إدخال عدد صحيح في مربع الإدخال أعلى جدول قائمة الجينات المسمى عدد صحيح الإدخال لتقسيم الدورة الأولى إلى سلال:.
      ملاحظة: هذا الخيار خاص بالديناميكيات المتذبذبة وقد لا ينطبق على أنواع أخرى من الديناميكيات.
    4. حدد تفضيل عرض الخريطة الحرارية من خلال النقر على خيار ضمن ترتيب الجينات حسب: التعبير الأقصى للدورة الأولى (الجدول 1) الذي يأمر الجينات بناء على وقت ذروة التعبير الجيني في الدورة الأولى.
      ملاحظة: يقوم DLxJTK Rank بترتيب الجينات استنادا إلى ترتيب الدورية من خوارزمية DLxJTK الخاصة ب IDP.
    5. انقر فوق الزر تنزيل قائمة الجينات لتنزيل قائمة الجينات إلى تنسيق الملف المطلوب لخطوة البحث عن الحافة. راجع الملف التكميلي 5 للحصول على مثال لملف قائمة الجينات.
  9. في جدول التعليقات التوضيحية للجينات القابلة للتحرير، قم بتسمية جين كهدف أو منظم أو كليهما في ملف التعليقات التوضيحية لخطوة البحث عن الحافة في تشغيل بحث الحافة الجديد. إذا كان الجين منظما، فقم بتسمية الجين على أنه منشط أو مثبط أو كليهما.
    1. لتسمية جين كمنشط ، انقر فوق الخلية في عمود tf_act وقم بتغيير القيمة إلى 1. لتسمية جين كمثبط، قم بتغيير القيمة في عمود tf_rep إلى 1. سيتم السماح للجين بالعمل كمنشط ومثبط في خطوة Edge Finding عن طريق تعيين القيم في كل من عمودي tf_act و tf_rep إلى 1.
    2. لتسمية جين كهدف ، انقر فوق الخلية في العمود الهدف وقم بتغيير القيمة إلى 1.
  10. انقر فوق الزر تنزيل ملف Annot. File لتنزيل ملف التعليق التوضيحي بتنسيق الملف المطلوب لخطوة البحث عن الحافة.

3. العثور على حافة

  1. إنشاء ملف تكوين IDP جديد يقوم بمعلمة خطوة البحث عن الحافة.
    1. أضف وسيطات IDP الرئيسية إلى ملف التكوين. افتح ملف نصي جديد في محرر نصوص وكرر الخطوة 2.1.1.
    2. إضافة وسيطات بحث الحافة إلى ملف التكوين.
    3. في نفس الملف النصي كما في الخطوة 3.1.1، اكتب الترتيب المقدم "[lempy_arguments]" و"gene_list_file =" و"[netgen_arguments]" و"edge_score_column =" و"edge_score_thresho =" و"num_edges_for_list =" و"seed_threshold =" و"num_edges_for_seed =" على الأسطر الفردية. يجب أن تكون هذه أقل من الحجج الرئيسية.
    4. بالنسبة إلى "gene_list_file"، بعد علامة المساواة، أدخل المسار إلى ملف قائمة الجينات الذي تم إنشاؤه في الخطوة 2.8.5 واسمه.
    5. بالنسبة إلى "edge_score_column" ، بعد علامة مساو ، أدخل إما "pld" أو "norm_loss" لتحديد عمود إطار البيانات من إخراج lempy المستخدم لتصفية الحواف.
    6. حدد إما "edge_score_threshold" أو "num_edges_for_list" ، واحذف الآخر. إذا تم تحديد "edge_score_threshold"، فأدخل رقما بين 0 و1. سيتم استخدام هذا الرقم لتصفية الحواف استنادا إلى العمود المحدد في الخطوة 3.1.5.
      1. إذا تم تحديد "num_edges_for_list"، فأدخل قيمة تساوي أو تقل عن عدد الحواف الممكنة. سيتم استخدام هذا الرقم لتصفية الحواف استنادا إلى كيفية ترتيبها في العمود المحدد في الخطوة 3.1.5. سيتم استخدام الحواف المتبقية لبناء الشبكات في العثور على الشبكة.
    7. حدد إما "seed_threshold" أو "num_edges_for_seed" واحذف الآخر. إذا تم تحديد "seed_threshold"، فأدخل رقما بين 0 و1. سيتم استخدام هذا الرقم لتصفية الحواف استنادا إلى العمود المحدد في الخطوة 3.1.5.
      1. إذا تم تحديد "num_edges_for_seed"، فأدخل قيمة تساوي أو تقل عن عدد الحواف الممكنة. سيتم استخدام هذا الرقم لتصفية الحواف استنادا إلى كيفية ترتيبها في العمود المحدد في الخطوة 3.1.5. سيتم استخدام الحواف المتبقية لبناء شبكة البذور (الجدول 1) المستخدمة في العثور على الشبكة.
        ملاحظة: يوصى بشدة بمراجعة قسمي lempy_arguments و netgen_arguments في IDP README للحصول على فهم أفضل لكل وسيطة. راجع الملف التكميلي 7 للحصول على مثال لملف تكوين مع وسيطات البحث عن Edge المحددة.
  2. كرر الخطوتين 2.2 و2.3.
  3. قم بتشغيل IDP باستخدام ملف التكوين الذي تم إنشاؤه في الخطوة 3.1 عن طريق تشغيل هذا الأمر في المحطة الطرفية، حيث <اسم ملف التكوين> هو اسم الملف: اسم ملف python src/dat2net.py
  4. إذا كان IDV لا يزال قيد التشغيل، فقم بإيقافه عن طريق الضغط على Control C في النافذة الطرفية لإيقاف البرنامج. كرر الخطوتين 2.5 و2.6.
  5. مع فتح IDV في المتصفح ، انقر فوق علامة التبويب Edge Finding وحدد مجلد البحث عن الحافة الذي يهمه من القائمة المنسدلة.
    ملاحظة: إذا تم استخدام مجموعات بيانات متعددة في البحث عن الحافة، فتأكد من تحديد آخر مجموعة بيانات تم استخدامها في تحليل جهاز الحافة المحلي (LEM) (الجدول 1). من المهم عند تحديد حواف لشبكة البذور أو قائمة الحواف استنادا إلى نتائج LEM إلقاء نظرة على بيانات السلسلة الزمنية الأخيرة المدرجة في ملف التكوين لأن هذا الإخراج يتضمن جميع ملفات البيانات السابقة في استدلاله على العلاقات التنظيمية بين العقد.
  6. لتوسيع جدول الحواف أو تقصيره، أدخل عددا صحيحا يدويا في مربع الإدخال ضمن عدد الحواف:.
  7. قم اختياريا بتصفية الحواف على معلمات LEM ODE. انقر واسحب لنقل الجانب الأيسر أو الجانب الأيمن من شريط تمرير كل معلمة لإزالة الحواف من جدول الحواف التي تحتوي على معلمات خارج حدود المعلمات الجديدة المسموح بها.
  8. قم اختياريا بإنشاء شبكة بذور جديدة إذا كانت هناك حاجة إلى شبكة بذور مختلفة عن تلك التي اقترحتها IDP. راجع الملف التكميلي 8 للحصول على مثال لملف شبكة بذور.
    1. حدد إما من البذور لتحديد شبكة البذور أو من التحديد من القائمة المنسدلة ضمن الشبكة:.
    2. قم بإلغاء تحديد/تحديد الحواف من جدول الحواف بالنقر فوق خانات الاختيار المقابلة المجاورة لكل حافة لإزالة/إضافة حواف من شبكة البذور.
  9. انقر فوق الزر تنزيل DSGRN NetSpec لتنزيل الشبكة الأولية بتنسيق مواصفات الشبكة الديناميكية التي تم إنشاؤها بواسطة الشبكات التنظيمية ( DSGRN ) (الجدول 1).
  10. حدد عقدا وحواف إضافية لاستخدامها في خطوة البحث عن الشبكة.
    1. حدد حواف من جدول الحافة بالنقر فوق خانات الاختيار المقابلة لتضمينها في ملف قائمة الحافة المستخدم في البحث عن الشبكة.
    2. انقر فوق تنزيل قوائم العقدة والحافة لتنزيل قائمة العقدة وملفات قائمة الحافة بالتنسيق المطلوب لاستخدامها في العثور على الشبكة. راجع الملف التكميلي 9 والملف التكميلي 10 للحصول على أمثلة على ملفات قائمة الحافة والعقدة، على التوالي.
      ملاحظة: يجب أن تحتوي قائمة العقدة على كافة العقد في ملف قائمة الحافة، لذلك يقوم IDV تلقائيا بإنشاء ملف قائمة العقدة استنادا إلى الحواف المحددة. يتوفر خياران لعرض الحواف في البحث عن الحافة. يعرض خيار جدول ملخص LEM الحواف كقائمة مرتبة لأفضل 25 حافة. يعرض جدول LEM العلوي الحواف في قائمة متسلسلة من الحواف الثلاثة الأولى لكل منظم محتمل. يمكن للمستخدم ضبط عدد الحواف المعروضة لكل خيار عن طريق تغيير الرقم في مربع إدخال عدد الحواف .

4. العثور على الشبكة

  1. إنشاء ملف تكوين IDP جديد يقوم بمعلمة الخطوة "البحث عن الشبكة".
    1. أضف وسيطات IDP الرئيسية إلى ملف التكوين. افتح ملف نصي جديد في محرر نصوص وكرر الخطوة 2.1.1.
    2. إضافة وسيطات بحث الشبكة إلى ملف التكوين.
    3. في نفس الملف النصي كما في الخطوة 4.1.1، اكتب الترتيب المقدم "[netper_arguments]" و "edge_list_file =" و "node_list_file =" و "seed_net_file =" و "range_operations =" و "numneighbors =" و "maxparams =" و "[[الاحتمالات]]" و "addNode =" و "addEdge =" و "removeNode =" و "removeEdge =" على الأسطر الفردية، أسفل الوسيطات الرئيسية.
    4. بالنسبة إلى "seed_net_file" و "edge_list_file" و "node_list_file"، بعد علامة المساواة، أدخل المسار إلى ملف شبكة البذور واسمه وملفات قائمة الحافة والعقدة التي تم إنشاؤها في الخطوتين 3.9 و3.10.2.
    5. بعد علامة "مساواة"، اكتب رقمين مفصولين بفاصلة، بالنسبة ل "range_operations". الرقمان الأول والثاني هما الحد الأدنى والحد الأقصى لعدد إضافة أو إزالة العقد أو الحواف لكل شبكة تم إنشاؤها ، على التوالي.
    6. بالنسبة إلى "numneighbors"، بعد تساوي العلامة، أدخل رقما يمثل عدد الشبكات التي يجب العثور عليها في Network Finding.
    7. بالنسبة إلى "maxparams" ، بعد المساواة في العلامة ، أدخل رقما يمثل الحد الأقصى لعدد معلمات DSGRN للسماح بالشبكة.
    8. أدخل قيما بين 0 و1 لكل وسيطة من هذه الوسيطات: "addNode" و"addEdge" و"removeNode" و"removeEdge"، بعد تساوي العلامة. يجب جمع الأرقام إلى 1.
      ملاحظة: يوصى بشدة بمراجعة قسمي netper_arguments و netquery_arguments في IDP README للحصول على فهم أفضل لكل وسيطة. راجع الملف التكميلي 11 والملف التكميلي 12 للحصول على أمثلة لملف تكوين مع وسيطات بحث الشبكة المحددة.
  2. كرر الخطوتين 2.2 و2.3.
  3. قم بتشغيل IDP باستخدام ملف التكوين الذي تم إنشاؤه في الخطوة 4.1 عن طريق تشغيل هذا الأمر في المحطة الطرفية، حيث <اسم ملف التكوين> هو اسم الملف: اسم ملف python src/dat2net.py
  4. إذا كان IDV لا يزال قيد التشغيل، فقم بإيقافه عن طريق الضغط على Control C في النافذة الطرفية لإيقاف البرنامج. كرر الخطوتين 2.5 و2.6.
  5. مع فتح IDV في المتصفح ، انقر فوق علامة التبويب البحث عن الشبكة وحدد مجلد البحث عن الشبكة الذي يهمك.
  6. حدد شبكة أو مجموعة من الشبكات لإنشاء جدول انتشار الحافة (الجدول 1) ولعرض الشبكات مع نتائج الاستعلام الخاصة بكل منها.
    1. يتوفر خياران لتحديد الشبكات: الخيار 1 - إدخال الحدود السفلية والعليا على نتائج الاستعلام عن طريق إدخال القيم الدنيا والقصوى في مربعات الإدخال المقابلة للمحور x والمحور y للمخطط. الخيار 2 - انقر واسحب فوق مخطط التشتت لرسم مربع حول الشبكات المراد تضمينها. بعد إدخال حدود التحديد أو الإدخال، اضغط على الزر الحصول على انتشار الحافة من الشبكات المحددة .
      ملاحظة: إذا تم تحديد أكثر من استعلام DSGRN واحد، فاستخدم أزرار الاختيار المسماة بنوع الاستعلام للتبديل بين نتائج كل استعلام. وينطبق الشيء نفسه إذا تم تحديد أكثر من إبسيلون واحد (مستوى الضوضاء).
  7. انقر فوق الأسهم الموجودة أسفل جدول انتشار الحافة للانتقال إلى الصفحة التالية من الجدول. اضغط على تنزيل الجدول لتنزيل جدول انتشار الحافة.
  8. أدخل عددا صحيحا في مربع إدخال فهرس الشبكة لعرض شبكة واحدة من التحديد الذي تم إجراؤه في الخطوة 4.6. انقر فوق تنزيل DSGRN NetSpec لتنزيل الشبكة المعروضة بتنسيق مواصفات شبكة DSGRN.
  9. ابحث في الشبكات عن التشابه مع فكرة محددة أو شبكة اهتمام.
    1. استخدم خانات الاختيار المقابلة لكل حافة لتحديد الحواف المراد تضمينها في الشبكة أو الشكل المستخدم لتحليل التشابه. انقر فوق إرسال لإنشاء مخطط تشتت التشابه للشكل أو الشبكة المحددة.
      ملاحظة: استخدم الأسهم الموجودة في قائمة الحواف للفرز أبجديا والأسهم الموجودة أسفل الجدول للانتقال إلى الصفحة التالية من الجدول.
    2. انقر واسحب فوق مخطط التشتت لرسم مربع حول الشبكات المراد تضمينها لتحديد شبكة أو مجموعة من الشبكات لإنشاء جدول انتشار حافة ولعرض الشبكات مع نتائج الاستعلام الخاصة بها.
      ملاحظة: إذا تم تحديد أكثر من استعلام DSGRN واحد، فاستخدم أزرار الاختيار المسماة بنوع الاستعلام للتبديل بين نتائج كل استعلام. وينطبق الشيء نفسه إذا تم تحديد أكثر من إبسيلون واحد (مستوى الضوضاء).
    3. كرر الخطوتين 4.7 و4.8 لتنزيل جدول انتشار الحافة والشبكة المعروضة لتحليل التشابه، على التوالي.

Access restricted. Please log in or start a trial to view this content.

Results

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

تم تطبيق الخطوات الموصوفة نصيا أعلاه وبيانيا في الشكل 1 على GRN المتذبذب الأساسي لدورة خلية الخميرة لمعرفة ما إذا كان من الممكن اكتشاف نماذج GRN الوظيفية القادرة على إنتاج الديناميكيات التي لوحظت في بيانات التعبير الجيني للسلسلة الزمنية التي تم جمعها في دراسة دورة خلية الخميرة16. ولتوضيح كيف يمكن ل IDV توضيح وتحسين مخرجات IDP ، تمت مقارنة النتائج ، بعد إجراء هذا التحليل بطريقتين: 1) تشغيل جميع خطوات IDP في ممر واحد بدون IDV و 2) التقدم عبر IDP بمساعدة IDV ، مما يسمح ب...

Access restricted. Please log in or start a trial to view this content.

Discussion

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

الاستدلال على GRNs هو تحد مهم في بيولوجيا النظم. يقوم IDP بإنشاء نماذج GRNs من بيانات التعبير الجيني باستخدام سلسلة من الأدوات التي تستخدم البيانات بطرق متزايدة التعقيد. تتطلب كل خطوة قرارات حول كيفية معالجة البيانات وما هي العناصر (الجينات والتفاعلات الوظيفية) التي سيتم تمريرها إلى الطبقة التالية من IDP. آثار هذه القرارات على نتائج النازحين داخليا ليست واضحة. وللمساعدة في هذا الصدد، يوفر IDV تصورات تفاعلية مفيدة للمخرجات من الخطوات الفردية لأدوات الاستدلال GRN داخل IDP. يعمل IDV على تبسيط وتسهيل عملية تقييم النتائج من ط...

Access restricted. Please log in or start a trial to view this content.

Disclosures

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

ليس لدى المؤلفين ما يكشفون عنه.

Acknowledgements

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

تم تمويل هذا العمل من خلال منحة المعاهد الوطنية للصحة R01 GM126555-01 ومنحة NSF DMS-1839299.

Access restricted. Please log in or start a trial to view this content.

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
Dockerhttps://docs.docker.com/get-docker/
Githttps://git-scm.com/
Integrated Dynamics Pipelinehttps://gitlab.com/biochron/inherent_dynamics_pipeline
Inherent Dynamics Visualizerhttps://gitlab.com/bertfordley/inherent_dynamics_visualizer
Minicondahttps://docs.conda.io/en/latest/miniconda.html
https://pip.pypa.io/en/stable/ النقطة

References

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Karlebach, G., Shamir, R. Modelling and analysis of gene regulatory networks. Nature Reviews Molecular Cell Biology. 9 (10), 770-780 (2008).
  2. Aijö, T., Lähdesmäki, H. Learning gene regulatory networks from gene expression measurements using non-parametric molecular kinetics. Bioinformatics. 25 (22), 2937-2944 (2009).
  3. Huynh-Thu, V. A., Sanguinetti, G. Combining tree-based and dynamical systems for the inference of gene regulatory networks. Bioinformatics. 31 (10), 1614-1622 (2015).
  4. Oates, C. J., et al. Causal network inference using biochemical kinetics. Bioinformatics. 30 (17), 468-474 (2014).
  5. Marbach, D., et al. Wisdom of crowds for robust gene network inference. Nature Methods. 9 (8), 796-804 (2012).
  6. Inherent Dynamics Pipeline. , Available from: https://gitlab.com/biochron/inherent_dynamics_pipeline (2021).
  7. Motta, F. C., Moseley, R. C., Cummins, B., Deckard, A., Haase, S. B. Conservation of dynamic characteristics of transcriptional regulatory elements in periodic biological processes. bioRxiv. , (2020).
  8. LEMpy. , Available from: https://gitlab.com/biochron/lempy (2021).
  9. McGoff, K. A., et al. The local edge machine: inference of dynamic models of gene regulation. Genome Biology. 17, 214(2016).
  10. Cummins, B., Gedeon, T., Harker, S., Mischaikow, K. Model rejection and parameter reduction via time series. SIAM Journal on Applied Dynamical Systems. 17 (2), 1589-1616 (2018).
  11. Cummins, B., Gedeon, T., Harker, S., Mischaikow, K. Database of Dynamic Signatures Generated by Regulatory Networks (DSGRN). Lecture Notes in Computer Science. (including Subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics). , 300-308 (2017).
  12. Cummins, B., Gedeon, T., Harker, S., Mischaikow, K. DSGRN: Examining the dynamics of families of logical models. Frontiers in Physiology. 9. 9, 549(2018).
  13. DSGRN. , Available from: https://github.com/marciogameiro/DSGRN (2021).
  14. Dsgm_Net_Gen. , Available from: https://github.com/breecummins/dsgrn_net_gen (2021).
  15. Dsgrn_Net_Query. , Available from: https://github.com/breecummins/dsgrn_net_query (2021).
  16. Orlando, D. A., et al. Global control of cell-cycle transcription by coupled CDK and network oscillators. Nature. 453 (7197), 944-947 (2008).
  17. Monteiro, P. T., et al. YEASTRACT+: a portal for cross-species comparative genomics of transcription regulation in yeasts. Nucleic Acids Research. 48 (1), 642-649 (2020).
  18. de Bruin, R. A. M., et al. Constraining G1-specific transcription to late G1 phase: The MBF-associated corepressor Nrm1 acts via negative feedback. Molecular Cell. 23 (4), 483-496 (2006).
  19. Horak, C. E., et al. Complex transcriptional circuitry at the G1/S transition in Saccharomyces cerevisiae. Genes & Development. 16 (23), 3017-3033 (2002).
  20. Cherry, J. M., et al. Saccharomyces genome database: The genomics resource of budding yeast. Nucleic Acids Research. 40, 700-705 (2012).
  21. Zhu, G., et al. Two yeast forkhead genes regulate the cell cycle and pseudohyphal growth. Nature. 406 (6791), 90-94 (2000).
  22. Loy, C. J., Lydall, D., Surana, U. NDD1, a high-dosage suppressor of cdc28-1N, is essential for expression of a subset of late-S-phase-specific genes in saccharomyces cerevisiae. Molecular and Cellular Biology. 19 (5), 3312-3327 (1999).
  23. Cho, C. Y., Kelliher, C. M., Hasse, S. B. The cell-cycle transcriptional network generates and transmits a pulse of transcription once each cell cycle. Cell Cycle. 18 (4), 363-378 (2019).
  24. Smith, L. M., et al. An intrinsic oscillator drives the blood stage cycle of the malaria parasite Plasmodium falciparum. Science. 368 (6492), 754-759 (2020).

Access restricted. Please log in or start a trial to view this content.

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Tags

Gene Regulatory NetworksNetwork InferenceInherent Dynamics PipelineInteractive VisualizationParameter ExplorationTime Series TranscriptomicsNetwork Model EvaluationEdge FindingNode FindingSystems Biology

Related Articles