פרוטוקול להצפנה באמצעות גנים להגדיר העשרה ניתוח כדי לזהות את המודל החייתי המתאים עבור המחקר Translational

המטרה הכוללת של הליך זה היא לזהות את המודל המתאים לבעלי חיים לשאלות מחקר תרגומיות. שיטה זו יכולה לעזור לענות על שאלת מפתח אחת במחקר תרגומי והיא, כיצד אוכל לבחור מודל מתאים של בעלי חיים למחלה אנושית ספציפית שאני רוצה לחקור? היתרון העיקרי של טכניקה זו הוא שנתוני גנום שלמים מושווים בין מודלים של בעלי חיים למחקרי מחלות אנושיות.

לכן, גישה זו נמנעת מפרשנות מוטה המתייחסת להשוואות של גנים בודדים. למרות ששיטה זו מספקת תובנה לגבי התאמתם של מודלים של עכברים למחלות דלקתיות, ניתן ליישם אותה גם על מודלים אחרים של מחלות. GSEA מסייע לחקור רגולציה של מדיניות למחקרי ביטוי גנים.

התוצר של כל מודל של בעלי חיים ומחקר מחלות הוא הבסיס להשוואות נוספות. התחל הליך זה בהורדת תוכנה ונתונים ולאחר מכן טיפול בנתונים ועיצוב כמתואר בפרוטוקול הטקסט. לאחר מכן פתח את כלי התוכנה GSEA.

לחץ על טען נתונים כפתור בצד שמאל של החלון הראשי. תיפתח כרטיסייה חדשה לייבוא קבצי הנתונים הנדרשים. בכרטיסייה החדשה, דפדף אל קובץ נתוני ביטוי הגנים וקובץ הפנוטיפ.

במקרה ש-GSEA לא יכול להתחבר לאינטרנט, טען גם את קבצי מסד הנתונים של החתימה המולקולרית שהורדת ואת קבצי ההערות של שבב ה-DNA. נתונים שיובאו בהצלחה מופיעים במקטע נתוני טעינה. לחץ על הפעל GSEA כפתור בצד שמאל של החלון הראשי.

כרטיסייה חדשה תיפתח על מנת להגדיר את הפרמטרים לניתוח. הכרטיסייה מחולקת לשלושה חלקים, שדות חובה, שדות בסיסיים ושדות מתקדמים. בשדות הנדרשים, בחר תחילה את ערכת נתוני הביטוי.

לאחר מכן בחר את מסד הנתונים של ערכות הגנים מהאתר המחובר או מקובץ ערכת הגנים שיובא ידנית. ערוך את תוויות הפנוטיפ כדי לבחור את קבוצות הדגימות שאמורות להיות מושווים זו לזו. לדוגמה, קבוצת מחלה לעומת קבוצת ביקורת בריאה.

לאחר מכן, בחר כווץ מערך נתונים לסמלי גנים שווה ל-true על מנת לתרגם את מזהי הבדיקה במערך נתוני הביטוי לסמלי הגנים הרשמיים של הוגו המשמשים במסד הנתונים של ערכות הגנים. בחר false אם מערך הנתונים של הביטוי כבר מכיל סמלי גן הוגו. הגדר את מספר התמורות להגדרת ברירת המחדל ל- 1,000.

שנה את סוג התמורות לקבוצת גנים מכיוון ששינוי פנוטיפ מומלץ רק כאשר יש יותר משבע דגימות בכל פנוטיפ. לבסוף, בחר את פלטפורמת השבב המשמשת ליצירת נתוני ביטוי הגנים מהאתר המחובר או מקובץ הערות שבב ה-DNA המיובא ידנית. בשדות הבסיסיים, ערוך את שם הניתוח ואת המקטע שמור תוצאות בתיקיה זו.

בנוסף, ניתן לשנות פרמטרים סטטיסטיים נוספים. לפרטים נוספים על הפרמטרים וסעיף השדות המתקדמים, אנא עבור למדריך למשתמש של GSEA. אם מוחלים מדדים קבוצתיים מחושבים חיצונית לנתוני ביטוי גנים, השתמש בכלי מדורג מראש של GSEA.

ניתוח זה מתבצע על סמך רשימה פשוטה של גנים שהוקצו מראש למדדי קבוצה מחושבים מראש המשמשים לדירוג הגנים. לאחר טעינת קובץ ביטוי הגנים החלופי, עבור לסרגל הניווט הראשי ולחץ על כלים, GseaPreranked. באופן דומה, תיפתח כרטיסייה חדשה להגדרת הפרמטרים לניתוח.

לאחר מכן, לחץ על כפתור ההפעלה בתחתית הימנית של החלון. לחץ על הניתוח המוצלח בסעיף דוח GSEA כדי לפתוח את תוצאות הניתוח. לאחר מכן, לחץ על תוצאות ההעשרה המפורטות בפורמט Excel כדי לייצא את תוצאות הניתוח לגיליון אלקטרוני.

ייצא את התוצאות בנפרד עבור שני הפנוטיפים. ב- Excel, צרף את נתוני התוצאות בקובץ גיליון אלקטרוני אחד. להשוואה עוקבת בין נתוני ביטוי גנים של מספר מחקרים, שמור לפחות על שם מערך הגנים, ציון ההעשרה המנורמל שלו וערך ה-FDR שלו.

חזור על ניתוח העשרת מערך הגנים עבור המחקר השני ועבור כל המחקרים הנוספים שאמורים להיות מושווים זה לזה. כלול כמה שיותר מחקרים קליניים בבני אדם ומודלים שונים של עכברים כדי לזהות את מודל העכבר האופטימלי לשאלת המחקר התרגומית. כדי לזהות את המודל האופטימלי של בעלי חיים לחיקוי המצב האנושי, השוו את תוצאות ה-GSEA של כל המחקרים זה לזה.

השתמש בציוני ההעשרה ובערכי ה-FDR כדי לסווג את המסלולים כמופעלים, מעוכבים או אף אחד מהם. להשוואה בין מחקרים רבים, מומלץ להשתמש בסקריפטים R. עבור כל השוואה של שני מחקרים, ספור את מספר המימושים של תשעת השילובים האפשריים של ויסות מסלול כפי שמצוין על ידי טבלת מגירה של שלוש על שלוש.

להעריך את המתאם בין שני מחקרים על ידי חישוב ערך הניבוי החיובי וערך הניבוי השלילי שהוא בהגדרה החלק של המסלולים המראים את אותה ויסות בשני מחקרים. כמו כן, העריכו את החלק של המסלולים שהיו צפויים להיות בקורלציה רק במקרה, המיוצג על ידי סיכוי ppv וסיכוי npv. לאחר מכן חשב את רווח המידע.

ניתן לבצע את כל החישובים באמצעות תוכניות גיליון אלקטרוני, אך מומלץ להשתמש בפונקציות R. השתמש בטבלת המגירה של זוג מחקרים כדי לחשב את ערך ה-P עם מבחן חי בריבוע, למשל באמצעות הפונקציה R, מבחן חי בריבוע או תוכניות גיליון אלקטרוני. אחסן את הנתונים של טבלת המגירה במטריצה X.לאחר מכן, השווה את תוצאות ה-GSEA עבור כל שילובי המחקרים שנבחרו לניתוח.

מיין את כל השילובים לפי רווח המידע. להשוואה של מערכי נתונים רבים, השתמש במטריצה ודמיין את הממצאים באמצעות מפת חום צבעונית. בחר את מודל החיה עם רווח המידע הגבוה ביותר.

על מנת להעריך את המשמעות של צבירת המידע, קחו בחשבון גם את מבחן חי בריבוע. מטריצת מתאם של השוואות מסלולים בין מחקרים בבני אדם ועכברים מודגמת כאן. החפיפה של ויסות המסלול מוצגת כרווח של מידע שניתן לקבל ממחקר אחד כדי לחזות את ההשפעות במחקר אחר.

כחול פירושו מתאם נמוך ואדום פירושו מתאם גבוה בין הנתונים. ההשוואה בין מערכי נתונים של בני אדם לעכברים חשפה תת-קבוצה של מודלים של עכברים שהיו בקורלציה גבוהה למחקרים בבני אדם. לכן, דגמי עכברים אלה מתאימים ביותר לחיקוי המצב האנושי.

לעומת זאת, המחקרים שבע, שמונה ותשע לא הראו מתאם למחקרי מחלות אנושיות. לאחר שליטה, ניתן לבצע טכניקה זו תוך מספר ימים אם היא מבוצעת כראוי. זה תלוי בכמות הנתונים ובזמינות הנתונים.

בעת ניסיון הליך זה, חשוב לזכור שתוקף התוצאות תלוי באיכות וברלוונטיות של הנתונים שנבחרו. לאחר צפייה בסרטון זה, אתה אמור להבין היטב כיצד לבחור מודל בעל חיים מתאים למחלה אנושית ספציפית על סמך נתוני תמלול.