2011年5月31日
直线前进和可靠的方法,共同调节的基因,以确定潜在的监管图案。范围并不需要任何用户参数和返回的图案代表监管信号的优秀人选。的监管信号的识别,有助于理解基本生物学。
以下实验的总体目标是识别共调控基因集合中潜在的调控信号,并鉴定可能在功能上属于该集合的其他基因。这一目标通过将候选基因或序列列表提交至SCOPE算法来实现。第二步是分析结果,以识别得分较高的基序。
选择一个或多个基序进行深入研究。接下来,将 scope 工具针对特定基序识别出的额外基因与原始基因集合并,并重新提交至 scope 进行进一步分析,从而获得在新扩大的基因集中显示基序模式的结果。这些模式可用于验证原始基序的识别结果,并提示可能与最初提交至 scope 的基因共同调控的其他基因,供进一步的生物学研究考虑。
该方法的主要优势在于,与其他基序查找工具不同,SCOPE 采用了一种集成策略,结合了多种不同的算法,每种算法均被专门设计用于发现特定类型的基序。此外,SCOPE 不要求用户提供难以预知的信息,例如基序的长度或预期发现的基序出现次数。其用户界面极为简洁,无需用户具备调控序列查找方面的专业知识。
因此,用户将能够以一种非常简单直接的方式执行分析。Scope 的输出具有高度图形化的特点,这意味着当您获得结果后,可以非常直观地发现感兴趣的模式和基序。首先,准备一份可能共同调控的基因名称列表。
若需通过 Scope 进行分析,请将列表保存为文本文件,或复制到剪贴板以稍后粘贴至 Scope。该文件应每行包含一个基因名称,且不包含其他信息。启动网页浏览器,并将其连接至以下 URL。
可以输入范围分析所需的信息。使用物种下拉菜单,选择要检测的物种。选择正确的物种非常重要,因为该范围分析会参考基因组来计算发生背景频率。
对于任意候选基序,将分析其上游序列。可通过单选按钮选择“基因间区”或“固定长度”。“基因间区”选项将分析目标基因与上游相邻基因之间的全部序列,而选择“固定长度”时,则会精确分析当前基因起始位置上游指定数量的核苷酸序列。
接下来,通过将基因列表或序列快速粘贴到基因列表文本框中,或通过点击“选择文件”按钮来选择文件,告知SCOPE要分析的基因集。必须包含结果部分可用于输入特定的基序,以便SCOPE在分析中包含该基序,这在寻找特定基序时非常有用。页面的最后一个部分可用于输入电子邮件地址以及与分析一起保存的备注信息。
如果在此范围内填写,系统将发送一封电子邮件,其中包含返回至包含结果的网页的链接。现在范围参数已说明完毕,将使用样本搜索按钮来演示范围程序的运行方式。按下此按钮将自动填充之前所述手动运行所需的所有必要信息。
三个基因将自动填入,其他字段的相应选项也会被自动选中。这三个基因参与通过重组机制在croce visier中维持端粒。保持勾选额外基因选项将指示SCOPE扫描基因组,识别出具有该上游基序的其他基因,当这些基因被加入原始基因集合时,可提高基序评分。
最后,点击页面底部的“运行分析”按钮以开始分析。分析运行完成后,结果将显示在屏幕上。页面顶部包含一个表格,展示使用 SCOPE 工具发现的基序相关信息。
第一列包含已发现的模体列表,彩色小方块作为下方所示图形化模体图的图例。通过单击彩色方块可切换任意特定模体的显示或隐藏。其他数据列包括:该模体在整个基因集中的出现次数(count)、表示该模体显著性的 sig 值(sig value)、包含至少一个该模体实例的提交基因所占比例(fraction),以及用于检测该模体的三种 SCOPE 组件算法中的哪一种(algorithm)。
单击列出的任一基序,用户将进入该基序的详细信息页面。在此页面上,基序以三种形式展示:序列标志图、位置权重矩阵,以及包含所有基序实例及其位置、链方向和对应基因的列表。
页面下方提供了关于搜索其他含有此基序基因结果的更多细节。本例中,共有 65 个其他基因含有该基序,将它们加入原始基因集后均能提升 SIG 值。点击“将选中基因加入搜索”将返回范围设置页面。
将这些基因添加到原始基因集,并沿用此前示例中的参数设置,共向原始的三个基因中新增了10个基因。此处展示了该模体新增基因的作用范围分析结果,原始的三个基因位于结果的底部。
观察这些额外基因上游区域中基序的排列模式,可以明显看出它们具有相似性。此处显示的最高分基序是参与核糖体生物合成的另一组基因的附加分析结果。对于大多数被检测的基因,均可清晰地观察到两个基序的排列模式。
scope 的图形化输出使用户能够非常容易地识别出这类模式。与许多其他模体查找工具不同,scope 不要求用户猜测模体的长度或程序应查找的模体类型。无论您是专家还是新手,scope 都具有相同的界面,并将为您提供相同的结果。
此外,SCOPE 能够发现可能与您初始基因集共同调控的其他基因,从而为生物学实验提供新的思路。集成方法通常意味着 SCOPE 能够返回最具生物学意义的结果,并且往往比其他基序发现工具更准确。但请记住,对结果的最终解读仍依赖于您这位生命科学家。
无论计算机显示什么结果,都必须在生物学背景下具有合理意义。
本文介绍了一种利用SCOPE算法在共调控基因中识别潜在调控基序的稳健方法。该方法通过消除对用户定义参数的需求,简化了基序发现过程,从而增强了对生物系统中调控信号的理解。
处于发现阶段的生物制药团队需要强大且无偏倚的工具,以识别驱动基因共调控的调控基序,从而支持靶点验证和机制层面的风险排除。SCOPE 采用集成式基序发现方法,能够在无需预先设定基序假设的前提下,高置信度地检测调控元件,降低早期发现中的不确定性。该能力通过揭示感兴趣基因集背后的调控网络,提升预测的可信度,并为项目组合的筛选决策提供依据。
SCOPE 在早期发现与先导物识别的交汇处发挥作用,能够实现以假设为驱动的调控基序分析以及基因集的迭代优化。