Pattern-basierte Suche nach epigenomischen Daten mit GeNemo
October 8th, 2017
Im Gegensatz zu DNA Reihenfolge Daten epigenomischen Daten nicht ohne weiteres Text-basierte Suche unterliegen. Hier sind die Verfahren, die eine verbesserte Version des GeNemo, eine Web-basierte Bioinformatik-Tool verwenden, um Muster-basierte Suche nach Gemeinsamkeiten im Vergleich zur Verfügung Online-Datenbanken, einschließlich der Enzyklopädie der DNA-Elemente mit epigenomischen-Daten durchzuführen Daten des Benutzers.
Das übergeordnete Ziel dieses Videos ist es, Forschern auf dem Gebiet der epigenetischen Studien zu zeigen, wie sie das Programm GeNemo verwenden können, um Ähnlichkeitsregionen zwischen verschiedenen epigenetischen Markierungen und verschiedenen Zelltypen zu erhalten. Unser Ziel bei der Entwicklung dieses Programms war es, Forschern die Möglichkeit zu geben, ihre Datenzellenfunktionen mit ihren riesigen bekannten öffentlichen Datenbanken wie Encode und Mousington zu vergleichen. Informative Suche mit typischer Recherche über Keywords.
Am Rande Ihrer Zellen befinden sich drei K4-Primisationen oder andere spezifische Kurven. Obwohl diese Durcheinander nützlich ist, kann GeNemo auch nach Add-Ins in den tatsächlichen Daten suchen, anstatt nach Ähnlichkeiten in der Datenbeschreibung. Nehmen wir an, Sie haben ein neuartiges DNA-bekämpfendes Protein ohne oder mit wenig a priori Wissen darüber, mit welcher Art von epigenetischen Modifikationen oder Zellzahlen es in Beziehung stehen soll.
GeNemo kann dennoch dabei helfen, die potenziellen Ziele einzugrenzen. GeNemo kann Dateien in einer Vielzahl von Formaten lesen, einschließlich Mathematik und Griechisch, und wird verschiedene Mustervergleichsmethoden verwenden. Es löst auch die versetzten Regionen basierend auf ihrem Ähnlichkeitswert und bietet Optionen zum Datenexport. Und jetzt zeigen wir, wie Sie eine GeNemo-Suche durchführen.
Um GeNemo verwenden zu können, benötigen Sie Ihre eigene Datendatei und das BED- oder Big-Wig-Format, das mit gängigen Bioinformatik-Tools wie dem UCSC-Genombrowser aus experimentellen Rohdaten konvertiert werden kann. Gehen Sie zunächst zu GeNemo.org. Auf der Hauptseite sehen Sie ein Suchfeld mit Spezifikationsoptionen.
Wähle aus, mit welcher Spezies du deine Daten vergleichen möchtest. Für dieses Tutorial verwenden wir Homosapiens als Referenzspezies. Wählen Sie dann Ihre eigene Datei aus, um sie auf GeNemo hochzuladen.
Diese Datei kann entweder online oder auf Ihrem lokalen Laufwerk gehostet werden. Kopieren Sie die URL und fügen Sie sie in dieses Feld ein, wenn Ihre Daten online sind. Oder klicken Sie auf die Schaltfläche unten, um eine lokale Datendatei hochzuladen.
Für dieses Tutorial verwenden wir eine Beispieldatei. Manchmal kann es sehr lange dauern, bis die Suche abgeschlossen ist. Wenn Sie nicht warten möchten, können Sie Ihre E-Mail-Adresse in dieses Feld eingeben.
Und Sie erhalten eine E-Mail mit einem Link zu den Ergebnissen, wenn die Suche abgeschlossen ist. Wenn Sie Ihre eigenen Daten im BED-Format bereitstellen, gibt es eine weitere URL, unter der Sie eine große Perückendatei nur zu Anzeigezwecken hochladen können. Sie können in diesem Feld auch einen Suchbereich angeben.
Um einen Suchbereich anzugeben, müssen Sie die Chromosomennummer sowie den Basenpaarbereich angeben. Die folgenden zwei Eingaben werden gleich gelesen. Chromosom 1:1-1000000. Oder indem Sie die Satzzeichen durch Leerzeichen ersetzen, was das BED-Dateiformat ist.
Chromosom 1 1 1000000. Klicken Sie nun auf die Schaltfläche zur Datenauswahl, um auszuwählen, nach welchen Spurtypen gesucht werden soll. Sie können auf die Kontrollkästchen neben jeder Datenstichprobe klicken, um danach zu suchen, aber es gibt auch eine Filterfunktion.
Die Filterfunktion ist hilfreich, um viele Spuren gleichzeitig auszuwählen. Hier können Sie auswählen, aus welcher Kategorie gefiltert werden soll, und die Schaltflächen am unteren Rand der Registerkarte verwenden. Die ersten drei Schaltflächen sind ziemlich selbsterklärend.
Der Filter bewirkt, dass alle Titel, die nicht zu den ausgewählten Kategorien gehören, deaktiviert werden. Irgendwie wie ein Und-Tor. Auf der anderen Seite bewirkt Ausschließen, dass die ausgewählten Kategorien deaktiviert werden.
Wie ein Nicht-Tor. Wenn Sie fertig sind, klicken Sie auf die Schaltfläche Suchen, um die Suche zu starten. Wenn Sie viele Tracks durchsuchen und/oder keinen kleineren Suchbereich angegeben haben, kann die Suche eine Weile dauern.
Im Ergebnisfeld sehen Sie verschiedene Abschnitte des Genoms, in denen Ihre Datendatei und die Suchart in einer oder mehreren der von Ihnen angegebenen Track-Sequenzen ähnlich sind. Sie können auf BED-Datei herunterladen klicken, um eine Datei mit einer Liste übereinstimmender Regionen herunterzuladen. Klicken Sie in jedem Feld auf die Schaltfläche Anzeigen, um den entsprechenden Abschnitt anzuzeigen.
Im Anzeigebereich sehen Sie sowohl Ihre eigene Datendatei-Spur als auch die passende Spur oder die passenden Spuren. Sie können sich flussaufwärts oder flussabwärts bewegen, indem Sie den Balken oben mit den Beschriftungen des Basispaars verschieben. Wie Sie in diesem Beispiel sehen können, ist der Berg hier eine Ähnlichkeit zwischen den beiden Wegen.
Nachdem Sie sich dieses Video angesehen haben, sollten Sie eine gute Vorstellung davon haben, wie Sie mit GeNemo Ähnlichkeitsregionen zwischen verschiedenen epigenetischen Markern erhalten können. Die Ergebnisse der GeNemo-Suche umfassen epigenetische Marker, die Suche nach Transkriptionsfaktoren, DNA-Methylierung, Chromogenzugänglichkeit oder andere Arten von Signalen über verschiedene Gewebetypen hinweg, die an bestimmten genomischen Stellen ähnliche Muster aufweisen wie Ihre interessierenden Daten. Von dort aus können Sie möglicherweise feststellen, ob dieses DNA-bindende Protein mit einem Transkriptionsfaktor, einigen regulatorischen Elementen oder etwas mit der Chromatinstruktur usw. zu tun hat.
Sie können auch feststellen, welche Arten von Geweben die größte Ähnlichkeit mit Ihrem Datensatz aufweisen, was die Entwicklungsfunktion Ihres interessierenden Proteins anwenden kann. Durch eine solche breit angelegte Suche kann GeNemo die vorläufigen Regionen, Maker und/oder Zelltypen in relativ kurzer Zeit zurückgeben. Aus diesen Ergebnissen wäre es auch möglich, die potenziellen Interessengebiete einzugrenzen, um zukünftige Experimente abzuleiten, wie z.B. die Auswahl der geeigneten Zelllinie für das betreffende Protein, das Testen von Wechselwirkungen mit spezifischen Transkriptionsfaktoren oder die epigenetische Modifikation über Co IP, 30C, 4C, 5C oder HiC.
Wir hoffen, dass dieses Tutorial hilfreich war, und arbeiten ständig daran, GeNemo zu verbessern. Zu diesem Zweck freuen wir uns über jedes Feedback.
Überblick
Dieser Artikel präsentiert ein Tutorial zur Verwendung von GeNemo, einem webbasierten Bioinformatik-Tool, das für musterbasierte Suchen in epigenomischen Daten konzipiert wurde. Forscher können ihre Daten mit umfangreichen öffentlichen Datenbanken vergleichen, um Regionen der Ähnlichkeit zwischen verschiedenen epigenetischen Markierungen und Zelltypen zu identifizieren.
Wichtige Studienkomponenten
Wissenschaftsbereich
- Epigenetik
- Bioinformatik
- Datenanalyse
Hintergrund
- Epigenomische Daten sind mit traditionellen textbasierten Methoden schwer zu durchsuchen.
- GeNeMo ermöglicht den Vergleich von Benutzerdaten mit bekannten öffentlichen Datenbanken.
- Das Tool unterstützt verschiedene Datenformate und bietet Visualisierungsoptionen.
- Das Verständnis epigenetischer Modifikationen ist entscheidend für das Studium der Genregulation.
Zweck der Studie
- Demonstration der Nutzung von GeNeMo für die Analyse epigenomischer Daten.
- Ermöglichung für Forscher, potenzielle Ziele im Zusammenhang mit ihren Daten zu identifizieren.
- Erleichterung der Erforschung von Ähnlichkeiten in epigenetischen Markern über verschiedene Zelltypen hinweg.
Verwendete Methoden
- Nutzung von GeNeMo für den Datenvergleich.
- Eingabe von Benutzerdaten im BED- oder big wig-Format.
- Auswahl von Spezies und Datenspuren für die Analyse.
- Visualisierung der Ergebnisse und Download-Optionen für übereinstimmende Regionen.
Hauptergebnisse
- Identifikation genomischer Regionen mit ähnlichen epigenetischen Mustern.
- Fähigkeit zur Visualisierung übereinstimmender Abschnitte des Genoms.
- Ergebnisse umfassen verschiedene epigenetische Marker und Transkriptionsfaktoren.
- Potenzial zur Information zukünftiger experimenteller Designs basierend auf den Ergebnissen.
Schlussfolgerungen
- GeNeMo ist ein wertvolles Tool für Forscher in der Epigenetik.
- Das Programm verbessert die Fähigkeit zur Analyse und zum Vergleich epigenomischer Daten.
- Feedback wird ermutigt, um die Funktionalität von GeNeMo zu verbessern.
Häufig gestellte Fragen
Executive Industry Relevance
GeNemo addresses a critical gap in epigenomic data analysis by enabling pattern-based searches across public functional genomic datasets, a capability lacking in traditional text-based tools. This supports target validation and mechanistic de-risking in early discovery by identifying epigenetic signatures associated with disease-relevant cell types and developmental stages. The tool enhances predictive confidence in hypothesis generation for epigenetic modulators and chromatin-associated proteins.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Scientific Value: Enables interrogation of therapeutic hypotheses by comparing user epigenomic data against ENCODE datasets to identify shared patterns in histone modifications, transcription factor binding, and chromatin accessibility.
- Operational Value: Supports functional target validation by revealing cell-type-specific epigenetic landscapes that may indicate regulatory mechanisms of DNA-binding proteins.
- Predictive Value: Facilitates portfolio triage by highlighting genomic regions with similar epigenetic marks, helping prioritize targets with stronger mechanistic rationale.
Screening & Assay Development
- Scientific Value: Prepares validated biological systems for downstream workflows by identifying epigenetic contexts where targets of interest are active, informing assay design.
- Operational Value: Enhances assay standardization and reproducibility by providing quantitative similarity scores and reproducible genomic region outputs.
- Screening Readiness: Enables reliable compound evaluation by defining epigenetically relevant genomic regions for follow-up functional screening.
Translational & Preclinical Research
- Translational Continuity: Connects discovery findings to preclinical validation by identifying epigenetic markers in disease-relevant tissues and developmental stages.
- Biomarker Alignment: Supports translational biomarker development by linking epigenetic patterns to specific cell types and conditions.
- Risk-Adjusted Advancement: Informs decision-making by revealing cross-tissue epigenetic conservation, reducing biological uncertainty in target selection.
Pipeline & Workflow Integration
GeNemo fits within the discovery continuum from hypothesis generation to lead identification, enabling epigenetic data interpretation that informs target selection and assay development.
- Discovery Biology: Supports hypothesis testing and pathway clarification by identifying epigenomic regions with similar patterns to user data across cell types and species.
- Screening: Enhances assay readiness through quantitative outputs and downloadable BED files of matching regions, enabling standardized compound screening in relevant epigenetic contexts.
- Analytics: Provides similarity scores and visualizable genomic tracks that help teams compare epigenetic conditions and prioritize targets.
- Translational Research: Connects to preclinical work by identifying epigenetic signatures in disease-associated tissues, supporting biomarker-aligned target validation.
- Enterprise Reuse: Functions as a reusable bioinformatics capability for epigenomic data interpretation across multiple projects and therapeutic areas.
Operational & Enterprise Impact
- Scientific Value: Increases predictive confidence in target validation by reducing mechanistic ambiguity through epigenomic pattern matching.
- Operational Value: Ensures standardization and scalability via consistent input formats (BED, bigWig) and reproducible search parameters.
- Strategic Value: Improves go/no-go decisions by enabling early epigenetic de-risking, reducing late-stage biological failure risk.
- Portfolio Impact: Supports risk-adjusted prioritization by highlighting targets with strong epigenetic rationale across disease-relevant systems.
Implementation Considerations
- Requires expertise in epigenetics and bioinformatics to interpret pattern-matching results and select appropriate reference datasets.
- Needs access to UCSC genome browser-compatible data formats and internet connectivity for querying ENCODE and other hosted tracks.
- Demands cross-team standardization on data formatting and search parameters to ensure reproducibility across projects.
- Requires adaptation considerations when applying results across model systems (e.g., mouse to human) due to epigenetic divergence.
- Limited to pattern similarity detection; does not infer causal relationships or direct protein-DNA interactions without follow-up validation.
