Un outil d’étude d’association de voies pour les analyses GWAS de l’information sur les voies métaboliques
1 juillet 2020
En exécutant l’outil d’étude pathway association (PAST), soit via l’application Shiny, soit via la console R, les chercheurs peuvent mieux comprendre la signification biologique des résultats de leur étude d’association à l’échelle du génome (GWAS) en étudiant les voies métaboliques impliquées.
L’analyse d’association à l’échelle du génome est un outil puissant pour découvrir des gènes associés à un caractère, mais en manque beaucoup. PAST trouve plus de ces gènes et complète mieux le tableau. PAST prend les résultats des GWAS et ajoute des informations sur les voies que les cellules utilisent pour construire des métabolites et pour créer des phénotypes dans un organisme.
Les gènes de ces voies sont souvent manqués par les GWAS seuls. Après avoir vérifié que les données GWAS sont délimitées par des tabulations, utilisez la zone de fichier d’association pour sélectionner un fichier d’association et la zone de sélection de fichier d’effets pour sélectionner un fichier d’effets. Pour charger des données GWAS avec PAST dans la console R, modifiez et exécutez le code comme indiqué.
Pour charger des données de déséquilibre de liaison avec PAST Shiny, après avoir vérifié que les données de déséquilibre de liaison sont délimitées par des tabulations et contiennent les types de données appropriés, sélectionnez le fichier contenant les données de déséquilibre de liaison. Pour charger des données de déséquilibre de liaison avec PAST dans la console R, modifiez et exécutez le code comme indiqué. Pour attribuer des SNP à des gènes avec PAST Shiny, en localisant les annotations dans le format de caractéristique générale, sélectionnez le fichier contenant les annotations de format de caractéristique générale et modifiez les paramètres en fonction de la taille de la fenêtre et de la coupure R carré qui conviennent le mieux à l’espèce considérée comme nécessaire.
Pour attribuer des SNP à des gènes avec PAST dans la console R, modifiez et exécutez le code comme indiqué. Après avoir vérifié que le fichier de parcours contient les données appropriées au format délimité par des tabulations, sélectionnez le fichier contenant les données de parcours et vérifiez que le mode est sélectionné dans les options d’analyse. Si nécessaire, modifiez le nombre de gènes qui doivent se trouver dans une voie pour conserver la voie d’analyse et modifiez le nombre de permutations utilisées pour créer la distribution nulle afin de tester la signification de l’effet.
Pour découvrir les chemins significatifs avec PAST dans la console R, modifiez et exécutez le code comme indiqué. Pour afficher les parcelles de tapis avec PAST Shiny, une fois que toutes les entrées ont été téléchargées et définies, cliquez sur commencer l’analyse. Une barre de progression s’affiche pour indiquer la dernière étape de l’analyse.
Une fois l’analyse terminée, PAST Shiny passera à l’onglet résultats et un tableau des résultats et les tracés du tapis s’afficheront. Utilisez le curseur pour contrôler les paramètres de filtrage. Lorsque le niveau de filtrage est satisfaisant, cliquez sur le bouton Télécharger les résultats pour télécharger individuellement toutes les images et tables dans un fichier zip nommé avec le titre de l’analyse.
Pour afficher les tracés de tapis avec PAST dans la console R, modifiez et exécutez le code pour enregistrer les résultats. Ici, une exécution réussie utilisant les données d’exemple du package PAST, qui sont basées sur un labyrinthe GWAS de couleur de grain, est montrée. Et ici, un exemple d’image qui peut être téléchargée en cliquant sur le bouton de téléchargement des résultats est montré.
Ce tracé de tapis a été produit à partir de l’analyse de la voie des résultats GWAS créés avec le panel de labyrinthe de 288 lignées consanguines qui avaient été phénotypiques pour la couleur du grain. Comme prévu, la voie de biosynthèse du trans-lycopène, qui produisait des caroténoïdes, était significativement associée à la couleur du grain. Les gènes et la voie de biosynthèse du trans-lycopène sont également marqués dans le rang des gènes de leur effet par rapport à tous les autres gènes de l’analyse.
Le sommet de la ligne de score d’enrichissement courant pour l’ensemble du parcours est indiqué par la ligne pointillée. Il est utilisé par le programme pour déterminer si le chemin est choisi et présenté sous la forme d’un graphique de tapis. PAST sur toutes les données, mais ne produit de bons résultats que pour des données de haute qualité.
Les séquences doivent contenir peu d’erreurs et les données phénotypiques doivent être recueillies dans le cadre d’un plan statistique rigoureux. Grâce aux résultats de l’étude PAST, les gènes contrôlant des points importants et des voies significatives peuvent être identifiés et éventuellement manipulés par sélection, édition de gènes et traitement médicamenteux pour améliorer un trait d’intérêt.
Aperçu
L'outil Pathway Association Study Tool (PAST) améliore les résultats des études d'association pangénomiques (GWAS) en intégrant des informations sur les voies métaboliques. Cet outil permet aux chercheurs d'identifier des gènes associés à des caractères qui pourraient être négligés par la seule analyse GWAS.
Composantes clés de l'étude
Domaine scientifique
- Génomique
- Métabolomique
- Bioinformatique
Contexte
- Les EGT sont efficaces pour identifier les gènes associés à un caractère, mais en ratent souvent de nombreux autres.
- Le PAST complète les EGT en fournissant des informations sur les voies métaboliques.
- La compréhension de ces voies peut révéler des associations génétiques supplémentaires.
- Des données de haute qualité sont cruciales pour obtenir des résultats fiables.
Objectif de l'étude
- Améliorer l'identification des gènes associés à des caractères grâce à l'analyse de voies métaboliques.
- Utiliser les résultats des études d'association à l'échelle du génome (GWAS) pour obtenir des informations biologiques plus approfondies.
- Faciliter la découverte de voies métaboliques significativement associées à des caractères.
Méthodes utilisées
- Vérification des données pour les formats séparés par des tabulations.
- Sélection des fichiers pour les données d'association et d'effets.
- Modification et exécution du code R pour le chargement des données.
- Analyse des données de déséquilibre de liaison et des voies métaboliques.
Résultats principaux
- Identification des voies métaboliques significatives associées aux caractères.
- Visualisation des résultats au moyen de graphiques en bâtonnets dans PAST Shiny.
- Application réussie démontrée à l’aide de données de GWAS sur la couleur des grains.
- La voie de biosynthèse du lycopène trans est significativement associée à la couleur des grains.
Conclusions
- PAST identifie efficacement des gènes et des voies supplémentaires que les études d'association génomiques (GWAS) ont manqués.
- Les résultats peuvent guider des stratégies de manipulation génétique visant l'amélioration des caractères.
- Des données de haute qualité renforcent la fiabilité de l'analyse des voies biologiques.
Questions fréquemment posées
Pertinence industrielle pour les cadres
L'outil Pathway Association Study Tool (PAST) remédie à une limitation majeure des études d'association pangénomiques en intégrant des données sur les voies métaboliques afin de découvrir des gènes associés aux caractères qui sont passés inaperçus dans les GWAS classiques. Cela renforce la confiance dans la validation des cibles en phase précoce de découverte en fournissant un contexte mécanistique aux associations génétiques, soutenant ainsi des décisions plus éclairées d'aller ou de ne pas aller de l'avant lors de l'identification des candidats. La vitesse accrue et la facilité d'utilisation de l'outil permettent une application évolutive dans les flux de travail de découverte, réduisant ainsi le temps nécessaire pour obtenir des informations utiles à la génération d'hypothèses fondées sur les voies métaboliques.
Applications stratégiques en recherche et développement biopharmaceutique
Début de la découverte et validation de la cible
- Valeur scientifique : Identifie des gènes appartenant à des voies biologiquement pertinentes qui sont négligés par les études d'association pangénomiques (GWAS) seules, renforçant ainsi l'interrogation des hypothèses thérapeutiques.
- Valeur opérationnelle : Permet une analyse rapide fondée sur les voies biologiques des résultats des GWAS, accélérant la priorisation des cibles et leur dé-risquage.
- Valeur prédictive : Facilite le tri des portefeuilles en mettant en évidence les voies présentant de fortes associations phénotypiques, améliorant ainsi la confiance dans le choix des cibles.
Développement de criblages et de tests
- Valeur scientifique : Prépare des ensembles de gènes contextualisés sur le plan biologique pour des criblages ultérieurs, améliorant ainsi la pertinence de l'évaluation des composés.
- Valeur opérationnelle : Standardise l'analyse des voies à partir de données GWAS, garantissant des entrées reproductibles pour les pipelines de développement de tests.
- Extensibilité : Une réduction du temps de calcul de plus de 24 heures à moins d'une heure permet une application à haut débit sur plusieurs caractères ou jeux de données.
Recherche translationnelle et préclinique
- Continuité translationnelle : Relie les découvertes génétiques aux voies métaboliques, soutenant l'alignement des biomarqueurs et la compréhension mécanistique de l'architecture des caractères.
- Pertinence préclinique : Identifie des voies ciblables par des médicaments (par exemple, la biosynthèse du trans-lycopène) qui peuvent être modulées par édition génique ou intervention pharmacologique.
- Atténuation des risques : Fournit une validation orthogonale des résultats d'ETAG, réduisant les faux positifs et renforçant la confiance dans les décisions d'avancement en phase préclinique.
Intégration des pipelines et des flux de travail
PAST s'inscrit dans le continuum de la découverte en enrichissant les listes de gènes issues des études d'association génomiques (GWAS) avec un contexte de voie métabolique, facilitant ainsi la progression depuis l'identification initiale des gènes candidats jusqu'à l'optimisation des candidats-médicaments par une dé-risquisation mécanistique.
- Biologie de la découverte : Teste des hypothèses concernant les associations entre voies biologiques et caractères, clarifiant ainsi les mécanismes biologiques sous-jacents aux signaux d'analyse d'association génome entier (GWAS).
- Écrantage : Génère des listes de gènes enrichis en voies biologiques, améliorant la pertinence biologique des campagnes d'écrantage de composés.
- Analytique : Produit des scores quantitatifs d'enrichissement des voies et des mesures de significativité (par tests de permutation) afin de comparer et hiérarchiser les processus biologiques.
- Recherche translationnelle : Relie les variants génétiques à des voies fonctionnelles, permettant une stratification guidée par des biomarqueurs dans les modèles précliniques.
- Réutilisation en entreprise : En tant qu'outil publié sur Bioconductor et GitHub, PAST permet une analyse de voies standardisée et réutilisable à travers différents projets et équipes.
Impact opérationnel et organisationnel
- Valeur scientifique : Accroît la confiance prédictive en révélant les voies mécanistiques sous-jacentes aux caractères phénotypiques.
- Valeur opérationnelle : Offre une analyse rapide et conviviale via Shiny ou la console R, améliorant ainsi l'accessibilité pour les non-spécialistes.
- Valeur stratégique : Renforce la prise de décision dans la validation des cibles en réduisant l'ambiguïté biologique et en améliorant la confiance dans les cibles.
- Impact sur le portefeuille : Permet une priorisation des cibles ajustée au risque, fondée sur des preuves au niveau des voies, soutenant ainsi une allocation plus judicieuse des ressources.
Considérations relatives à la mise en œuvre
- Requiert une expertise dans la manipulation des données GWAS et l'interprétation des analyses de voies biologiques.
- Dépend de fichiers d'entrée de haute qualité au format tabulé (données d'association, d'effets, de déséquilibre de liaison et de voies biologiques).
- Nécessite la standardisation des fichiers d'annotation des gènes (GFF) ainsi que des paramètres tels que la taille de la fenêtre et le seuil de R² pour la cartographie SNP-vers-gène.
- S'appuie sur des seuils définis par l'utilisateur concernant la taille des voies biologiques (nombre minimal de gènes) et le nombre de permutations pour la génération de la distribution nulle.
- La performance optimale dépend d'un plan rigoureux de l'étude phénotypique et de données de séquençage à faible taux d'erreur.
F.A.Q. sur la bio-industrie pharmaceutique
Chapters in this video
0:05
Introduction
0:32
Genome-Wide Association Study (GWAS) Data Loading
0:57
Load Linkage Disequilibrium (LD) Data Loading
1:26
Single Nucleotide Polymorphism (SNP) Assignment
1:56
Significant Pathway Discovery
2:35
Rugplot Visualization
3:21
Results: Representative GWAS Analyses of Metabolic Pathway Information
4:21
Conclusion
