Pattern-basierte Suche nach epigenomischen Daten mit GeNemo
8. Oktober 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 Untersuchungen zu zeigen, wie sie das Programm GeNemo verwenden können, um Regionen der Ähnlichkeit zwischen verschiedenen epigenetischen Markierungen und verschiedenen Zelltypen zu ermitteln. Unser Ziel bei der Erstellung dieses Programms bestand darin, Forschern die Möglichkeit zu geben, ihre Daten zu Zellfunktionen mit den umfangreichen öffentlich zugänglichen Datenbanken wie Encode und Mousington zu vergleichen. Informationsrecherche mittels typischer Forschung über Schlüsselwörter.
An der Schwelle Ihrer Zellen liegen drei K4-Primisierungen oder andere spezifische Kurven vor. Obwohl diese Daten nützlich sind, kann GeNemo auch nach Zusatzinformationen in den eigentlichen Daten suchen, statt nach Ähnlichkeiten in der Datensbeschreibung. Angenommen, Sie verfügen über ein neuartiges DNA-bindendes Protein, über das keine oder nur sehr geringe vorab bekannte Informationen darüber vorliegen, welche Art epigenetischer Modifikationen oder Zellzahlen damit in Zusammenhang stehen könnten.
GeNemo kann weiterhin dabei helfen, die potenziellen Zielstrukturen einzugrenzen. GeNemo kann Dateien in einer Vielzahl von Formaten lesen, einschließlich mathematischer Symbole und griechischer Buchstaben, und verwendet verschiedene Musterabgleichsverfahren. Es identifiziert zudem die abweichenden Regionen basierend auf ihrem Ähnlichkeitswert und bietet Optionen zum Exportieren der Daten. Im Folgenden zeigen wir nun, wie man eine GeNemo-Suche durchführt.
Um GeNemo zu verwenden, benötigen Sie Ihre eigene Datendatei im BED- oder BigWig-Format, die mithilfe gängiger Bioinformatik-Tools – beispielsweise des UCSC-Genombrowsers – aus experimentellen Rohdaten konvertiert werden kann. Rufen Sie zunächst GeNemo.org auf. Auf der Hauptseite sehen Sie ein Suchfeld mit Spezifikationsoptionen.
Wählen Sie die Art aus, mit der Ihre Daten verglichen werden sollen. Für dieses Tutorial verwenden wir homosapiens als Referenzart. Anschließend wählen Sie Ihre eigene Datei aus, um sie in GeNemo hochzuladen.
Diese Datei kann entweder online oder auf Ihrem lokalen Laufwerk gespeichert sein. Kopieren Sie die URL in dieses Feld, 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 lange dauern, bis Suchvorgänge abgeschlossen sind. Wenn Sie nicht warten möchten, können Sie in dieses Feld Ihre E-Mail-Adresse eingeben.
Sie erhalten eine E-Mail mit einem Link zu den Ergebnissen, sobald die Suche abgeschlossen ist. Wenn Sie Ihre eigenen Daten im BED-Format bereitstellen, gibt es eine weitere URL, um eine BigWig-Datei nur zu Anzeigezwecken hochzuladen. Sie können auch einen Suchbereich in diesem Feld festlegen.
Um einen Suchbereich festzulegen, müssen Sie die Chromosomennummer sowie den Basenpaar-Bereich angeben. Die folgenden beiden Eingaben würden identisch gelesen: Chromosom1:1-1000000. Alternativ können die Satzzeichen durch Leerzeichen ersetzt werden, was dem BED-Dateiformat entspricht.
Chromosome1 1 1000000. Klicken Sie nun auf die Datenauswahlschaltfläche, um auszuwählen, nach welchen Track-Typen gesucht werden soll. Sie können die Kontrollkästchen neben jeder Datenaufnahme anklicken, um danach zu suchen; es gibt jedoch auch eine Filterfunktion.
Die Filterfunktion ist hilfreich, um viele Spuren gleichzeitig auszuwählen. Hier können Sie auswählen, nach welcher Kategorie gefiltert werden soll, und die Schaltflächen am unteren Rand des Tabs verwenden. Die ersten drei Schaltflächen sind weitgehend selbsterklärend.
Der Filter bewirkt, dass alle Spuren, die nicht zu den ausgewählten Kategorien gehören, deaktiviert werden. Etwas wie ein UND-Gatter. Das Ausschließen hingegen bewirkt, dass die ausgewählten Kategorien deaktiviert werden.
Wie ein NICHT-Gatter. Wenn Sie bereit sind, klicken Sie auf die Schaltfläche „Suchen“, um die Suche zu starten. Wenn Sie viele Spuren durchsuchen und/oder keinen kleineren Suchbereich angegeben haben, kann die Suche einige Zeit in Anspruch nehmen.
Im Ergebnisfeld sehen Sie verschiedene Genomabschnitte, in denen Ihre Datendatei und die Suchart in einer oder mehreren der von Ihnen angegebenen Sequenzspuren übereinstimmen. Sie können auf „BED-Datei herunterladen“ klicken, um eine Datei mit einer Liste der übereinstimmenden Regionen herunterzuladen. Klicken Sie auf die Schaltfläche „Anzeigen“ in jedem Feld, um den übereinstimmenden Bereich zu visualisieren.
Im Anzeigebereich sehen Sie Ihre eigenen Datendateispuren sowie die entsprechende(n) Spur(en). Sie können durch Verschieben der Leiste oben mit den Basenpaar-Bezeichnungen stromaufwärts oder stromabwärts navigieren. Wie in diesem Beispiel zu sehen ist, stellt der hier sichtbare Berg eine Ähnlichkeit zwischen den beiden Spuren dar.
Nachdem Sie sich dieses Video angesehen haben, sollten Sie eine gute Vorstellung davon haben, wie man mithilfe von GeNemo Regionen der Ähnlichkeit zwischen verschiedenen epigenetischen Markern erhält. Die Ergebnisse der GeNemo-Suche umfassen epigenetische Marker wie Transkriptionsfaktor-Bindungsstellen, DNA-Methylierung, Chromatinzugänglichkeit oder andere Signalarten in verschiedenen Gewebetypen, die an bestimmten genomischen Positionen ähnliche Muster wie Ihre interessierenden Daten aufweisen. Daraus können Sie möglicherweise ableiten, ob dieses DNA-bindende Protein mit bestimmten Transkriptionsfaktoren oder regulatorischen Elementen interagiert oder eine Rolle in der Chromatinstruktur spielt, usw.
Sie können außerdem feststellen, welche Arten von Geweben die größte Ähnlichkeit mit Ihrem Datensatz aufweisen, was auf die entwicklungsbedingte Funktion Ihres Proteins von Interesse schließen lässt. Durch eine derart umfassende Suche kann GeNemo vorläufige Regionen, Marker und/oder Zelltypen in relativ kurzer Zeit zurückgeben. Anhand dieser Ergebnisse ließe sich zudem der potenzielle Bereich des Interesses eingrenzen, um zukünftige Experimente abzuleiten, beispielsweise die Auswahl der geeigneten Zelllinie für das betreffende Protein, die Untersuchung von Wechselwirkungen mit spezifischen transkriptionellen Faktoren oder epigenetischen Modifikationen mittels Co-IP, 30C, 4C, 5C oder HiC.
Wir hoffen, dass dieses Tutorial hilfreich war, und arbeiten ständig daran, GeNemo zu verbessern. Zu diesem Zweck begrüßen wir jedes Feedback.
Übersicht
Dieser Artikel bietet eine Anleitung zur Nutzung von GeNemo, einem webbasierten bioinformatischen Werkzeug für musterbasierte Suchen in epigenomischen Daten. Forscher können ihre Daten mit umfangreichen öffentlichen Datenbanken vergleichen, um Bereiche der Ähnlichkeit zwischen verschiedenen epigenetischen Markierungen und Zelltypen zu identifizieren.
Wesentliche Studienkomponenten
Bereich der Wissenschaft
- Epigenetik
- Bioinformatik
- Datenanalyse
Hintergrund
- Epigenomische Daten sind mit herkömmlichen textbasierten Methoden schwer durchsuchbar.
- GeNemo ermöglicht den Vergleich von Nutzerdaten mit bekannten öffentlichen Datenbanken.
- Das Tool unterstützt verschiedene Datenformate und bietet Visualisierungsoptionen.
- Das Verständnis epigenetischer Modifikationen ist entscheidend für die Untersuchung der Genregulation.
Zweck der Studie
- Aufzeigen der Anwendung von GeNemo zur Analyse epigenomischer Daten.
- Ermöglichung für Forscher, potenzielle Zielstrukturen in Bezug auf ihre Daten zu identifizieren.
- Unterstützung bei der Untersuchung von Ähnlichkeiten epigenetischer Marker in verschiedenen Zelltypen.
Verwendete Methoden
- Nutzung von GeNemo zum Vergleich von Daten.
- Eingabe benutzerdefinierter Daten im BED- oder Big-Wig-Format.
- Auswahl der Spezies und Datenspuren für die Analyse.
- Visualisierung der Ergebnisse und Optionen zum Herunterladen übereinstimmender Regionen.
Hauptergebnisse
- Identifizierung genomischer Regionen mit ähnlichen epigenetischen Mustern.
- Möglichkeit, übereinstimmende Abschnitte des Genoms zu visualisieren.
- Ergebnisse umfassen verschiedene epigenetische Marker und Transkriptionsfaktoren.
- Potenzial, zukünftige experimentelle Designs basierend auf den Befunden zu beeinflussen.
Schlussfolgerungen
- GeNemo ist ein wertvolles Werkzeug für Forscher in der Epigenetik.
- Das Programm verbessert die Fähigkeit, epigenomische Daten zu analysieren und zu vergleichen.
- Feedback wird empfohlen, um die Funktionalität von GeNemo zu verbessern.
Häufig gestellte Fragen
Ausschlaggebende Bedeutung für die Industrie
GeNemo schließt eine entscheidende Lücke in der epigenomischen Datenanalyse, indem es musterbasierte Suchvorgänge über öffentliche funktionelle genomische Datensätze ermöglicht – eine Funktion, die herkömmlichen textbasierten Werkzeugen fehlt. Dies unterstützt die Zielvalidierung und die mechanistische Risikominderung in der frühen Entdeckungsphase, indem epigenetische Signaturmuster identifiziert werden, die mit krankheitsrelevanten Zelltypen und Entwicklungsstadien assoziiert sind. Das Tool erhöht die Vorhersagesicherheit bei der Hypothesenbildung für epigenetische Modulatoren und chromatinassoziierte Proteine.
Strategische Anwendungen in der Biopharma-Forschung und -Entwicklung
Frühe Entdeckung und Zielvalidierung
- Wissenschaftlicher Wert: Ermöglicht die Überprüfung therapeutischer Hypothesen, indem benutzereigene epigenomische Daten mit ENCODE-Datensätzen verglichen werden, um gemeinsame Muster bei Histonenmodifikationen, Transkriptionsfaktor-Bindung und Chromatinzugänglichkeit zu identifizieren.
- Operationaler Wert: Unterstützt die funktionelle Zielvalidierung, indem zelltypspezifische epigenetische Landschaften aufgezeigt werden, die auf regulatorische Mechanismen von DNA-bindenden Proteinen hindeuten können.
- Predictiver Wert: Erleichtert die Portfolio-Priorisierung, indem genomische Regionen mit ähnlichen epigenetischen Markierungen hervorgehoben werden, was dabei hilft, Ziele mit stichhaltigerer mechanistischer Begründung zu priorisieren.
Screening und Assay-Entwicklung
- Wissenschaftlicher Wert: Bereitet validierte biologische Systeme für nachgeschaltete Arbeitsabläufe vor, indem epigenetische Kontexte identifiziert werden, in denen die Gene von Interesse aktiv sind, und unterstützt so die Assay-Entwicklung.
- Operativer Wert: Verbessert die Standardisierung und Reproduzierbarkeit von Assays, indem quantitative Ähnlichkeitswerte und reproduzierbare genomische Regionen bereitgestellt werden.
- Eignung für die Screening-Anwendung: Ermöglicht eine zuverlässige Evaluierung von Substanzen, indem epigenetisch relevante genomische Regionen definiert werden, die für funktionelle Nachfolge-Screenings verwendet werden können.
Translationale und präklinische Forschung
- Translationale Kontinuität: Verbindet Entdeckungsergebnisse mit der präklinischen Validierung, indem epigenetische Marker in krankheitsrelevanten Geweben und Entwicklungsstadien identifiziert werden.
- Biomarker-Abstimmung: Unterstützt die translationale Entwicklung von Biomarkern, indem epigenetische Muster bestimmten Zelltypen und Bedingungen zugeordnet werden.
- Risikoadjustierte Weiterentwicklung: Leitet Entscheidungen durch die Aufdeckung der epigenetischen Konservierung über verschiedene Gewebe hinweg, wodurch die biologische Unsicherheit bei der Zielstrukturauswahl verringert wird.
Pipeline- und Workflow-Integration
GeNemo ist in den Entdeckungsprozess von der Hypothesengenerierung bis zur Identifizierung von Leitstrukturen eingebettet und ermöglicht die Interpretation epigenetischer Daten, die die Zielstrukturauswahl und die Assay-Entwicklung unterstützt.
- Entdeckungsbiologie: Unterstützt die Hypothesenprüfung und die Aufklärung von Signalwegen durch die Identifizierung epigenomischer Regionen mit ähnlichen Mustern wie den Nutzerdaten über verschiedene Zelltypen und Arten hinweg.
- Screening: Verbessert die Bereitschaft für Assays durch quantitative Ausgaben und herunterladbare BED-Dateien übereinstimmender Regionen, wodurch standardisierte Wirkstoff-Screenings in relevanten epigenetischen Kontexten ermöglicht werden.
- Analytik: Stellt Ähnlichkeitswerte und visuelle genomische Spuren bereit, die Teams dabei helfen, epigenetische Bedingungen zu vergleichen und Zielstrukturen zu priorisieren.
- Translationale Forschung: Knüpft an präklinische Arbeiten an, indem epigenetische Signaturen in krankheitsassoziierten Geweben identifiziert werden, was der zielgerichteten Validierung entlang von Biomarkern dient.
- Unternehmensweite Wiederverwendung: Funktioniert als wiederverwendbare bioinformatische Kapazität zur Interpretation epigenomischer Daten über mehrere Projekte und therapeutische Bereiche hinweg.
Operative und unternehmerische Auswirkungen
- Wissenschaftlicher Wert: Erhöht die Vorhersagegenauigkeit bei der Zielvalidierung, indem mechanistische Unklarheiten durch epigenomisches Mustervergleichen verringert werden.
- Operativer Wert: Stellt Standardisierung und Skalierbarkeit sicher durch konsistente Eingabeformate (BED, bigWig) und reproduzierbare Suchparameter.
- Strategischer Wert: Verbessert Entscheidungen über Fortführung oder Abbruch, indem eine frühzeitige epigenetische Risikominderung ermöglicht wird, wodurch das Risiko biologischer Fehlschläge in späteren Phasen verringert wird.
- Portfolio-Wirkung: Unterstützt die risikoadjustierte Priorisierung, indem Ziele hervorgehoben werden, die durch eine starke epigenetische Begründung in krankheitsrelevanten Systemen nachgewiesen sind.
Durchführungsaspekte
- Erfordert Fachkenntnisse in Epigenetik und Bioinformatik, um die Ergebnisse der Mustervergleiche zu interpretieren und geeignete Referenzdatensätze auszuwählen.
- Benötigt Zugang zu Datenformaten, die mit dem UCSC-Genombrowser kompatibel sind, sowie Internetverbindung, um Abfragen bei ENCODE und anderen gehosteten Tracks durchführen zu können.
- Setzt eine standardisierte Vorgehensweise zwischen Teams bei der Datenaufbereitung und bei Suchparametern voraus, um die Reproduzierbarkeit über verschiedene Projekte hinweg sicherzustellen.
- Erfordert Anpassungserwägungen bei der Übertragung der Ergebnisse auf verschiedene Modellsysteme (z. B. Maus zu Mensch) aufgrund epigenetischer Unterschiede.
- Auf den Nachweis von Ähnlichkeiten in Mustern beschränkt; erlaubt ohne weitere Validierung keine Rückschlüsse auf kausale Zusammenhänge oder direkte Protein-DNA-Interaktionen.
