Method Article

Inherent Dynamics Visualizer, eine interaktive Anwendung zur Bewertung und Visualisierung von Ergebnissen aus einer Gene Regulatory Network Inference Pipeline

DOI:

10.3791/63084

December 7th, 2021

In This Article

Summary

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

Der Inherent Dynamics Visualizer ist ein interaktives Visualisierungspaket, das mit einem Genregulationsnetzwerk-Inferenzwerkzeug verbunden ist, um eine verbesserte, optimierte Generierung funktionaler Netzwerkmodelle zu ermöglichen. Der Visualizer kann verwendet werden, um fundiertere Entscheidungen für die Parametrisierung des Inferenzwerkzeugs zu treffen und so das Vertrauen in die resultierenden Modelle zu erhöhen.

Abstract

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

Die Entwicklung von genregulatorischen Netzwerkmodellen ist eine große Herausforderung in der Systembiologie. Mehrere Rechenwerkzeuge und Pipelines wurden entwickelt, um diese Herausforderung zu bewältigen, einschließlich der neu entwickelten Inherent Dynamics Pipeline. Die Inherent Dynamics Pipeline besteht aus mehreren zuvor veröffentlichten Tools, die synergistisch arbeiten und linear miteinander verbunden sind, wobei die Ausgabe eines Tools dann als Eingabe für das folgende Tool verwendet wird. Wie bei den meisten Berechnungstechniken erfordert jeder Schritt der Inherent Dynamics Pipeline, dass der Benutzer Entscheidungen über Parameter trifft, die keine genaue biologische Definition haben. Diese Entscheidungen können sich wesentlich auf die durch die Analyse erzeugten modelle des genregulatorischen Netzwerks auswirken. Aus diesem Grund kann die Fähigkeit, die Konsequenzen verschiedener Parameterauswahlen bei jedem Schritt zu visualisieren und zu untersuchen, dazu beitragen, das Vertrauen in die Entscheidungen und die Ergebnisse zu erhöhen. Der Inherent Dynamics Visualizer ist ein umfassendes Visualisierungspaket, das den Prozess der Bewertung der Parameterauswahl über eine interaktive Schnittstelle in einem Webbrowser rationalisiert. Der Benutzer kann die Ausgabe jedes Schritts der Pipeline separat untersuchen, intuitive Änderungen basierend auf visuellen Informationen vornehmen und von der automatischen Erstellung der erforderlichen Eingabedateien für die Inherent Dynamics Pipeline profitieren. Der Inherent Dynamics Visualizer bietet einen beispiellosen Zugang zu einem hochkomplizierten Werkzeug zur Entdeckung von genregulatorischen Netzwerken aus transkriptomischen Zeitreihendaten.

Introduction

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

Viele wichtige biologische Prozesse, wie Zelldifferenzierung und Umweltreaktion, werden von Gensätzen gesteuert, die in einem genregulatorischen Netzwerk (GRN) miteinander interagieren. Diese GRNs erzeugen die Transkriptionsdynamik, die für die Aktivierung und Aufrechterhaltung des von ihnen kontrollierten Phänotyps erforderlich ist, so dass die Identifizierung der Komponenten und der topologischen Struktur der GRN der Schlüssel zum Verständnis vieler biologischer Prozesse und Funktionen ist. Eine GRN kann als eine Reihe von interagierenden Genen und/oder Genprodukten modelliert werden, die durch ein Netzwerk beschrieben werden, dessen Knoten die Gene sind und dessen ....

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

Protocol

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

1. Installieren Sie den IDP und IDV

HINWEIS: In diesem Abschnitt wird davon ausgegangen, dass docker, conda, pip und git bereits installiert sind (Tabelle der Materialien).

  1. Geben Sie in einem Terminal den folgenden Befehl ein: git clone https://gitlab.com/biochron/inherent_dynamics_pipeline.git.
  2. Befolgen Sie die Installationsanweisungen in der README-Datei des IDP.
  3. Geben Sie in einem Terminal den Folgenden ein: git clone https://gitlab.com/bertfordley/inherent_dynamics_visualizer.git.
    HINWEIS: Das Klonen des IDV sollte außerhalb des Verzeichnisses der ober....

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

Results

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

Die oben und grafisch in Abbildung 1 beschriebenen Schritte wurden auf den oszillierenden Kern-GRN des Hefezellzyklus angewendet, um zu sehen, ob es möglich ist, funktionelle GRN-Modelle zu entdecken, die in der Lage sind, die Dynamik zu erzeugen, die in Zeitreihen-Genexpressionsdaten beobachtet wurde, die in einer Hefezellzyklusstudie gesammelt wurden16. Um zu veranschaulichen, wie der IDV den IDP-Output klären und verbessern kann, wurden die Ergebnisse nach der Durc.......

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

Discussion

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

Die Inferenz von GRNs ist eine wichtige Herausforderung in der Systembiologie. Der IDP generiert Modell-GRNs aus Genexpressionsdaten mit einer Abfolge von Werkzeugen, die die Daten auf immer komplexere Weise nutzen. Jeder Schritt erfordert Entscheidungen darüber, wie die Daten verarbeitet werden sollen und welche Elemente (Gene, funktionelle Interaktionen) an die nächste Schicht des IDP übergeben werden. Die Auswirkungen dieser Entscheidungen auf die Ergebnisse von Binnenvertriebenen sind nicht so offensichtlich. Um dies.......

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

Disclosures

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

Die Autoren haben nichts preiszugeben.

Acknowledgements

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

Diese Arbeit wurde durch den NIH-Zuschuss R01 GM126555-01 und den NSF-Zuschuss DMS-1839299 finanziert.

....

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/
Inherent 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
Piphttps://pip.pypa.io/en/stable/

References

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

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