Name: פרוטוקול להצפנה באמצעות גנים להגדיר העשרה ניתוח כדי לזהות את המודל החייתי המתאים עבור המחקר Translational (וידאו) | JoVE Journal
Uploaded: 2017-08-16T12:30:00.000+00:00
Duration: 9 min 35 s
Description: למדו פרוטוקול GSEA לניתוח נתוני תמיסה כדי לזהות מודלי עכברים מתאימים למחקר תרגומי. השיטה משווה נתוני גנום שלמים בין מודלים חיות ומחלות אנושיות ומסייעת לבחירת מודלים מדויקים יותר.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

עבודה זו מומן על ידי המכון הפדרלי הגרמני לשם הערכת סיכונים (BfR).

<ol><li>Seok, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Genomic+responses+in+mouse+models+poorly+mimic+human+inflammatory+diseases%5BTitle%5D)+AND+%22Proc+Natl+Acad+Sci+U+S+A%22%5BJournal%5D)">Genomic responses in mouse models poorly mimic human inflammatory diseases.</a> Proc Natl Acad Sci U S A. 110 (9), 3507-3512 (2013).</li>
<li>Takao, K., Miyakawa, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Genomic+responses+in+mouse+models+greatly+mimic+human+inflammatory+diseases%5BTitle%5D)+AND+%22Proc+Natl+Acad+Sci+U+S+A%22%5BJournal%5D)">Genomic responses in mouse models greatly mimic human inflammatory diseases.</a> Proc Natl Acad Sci U S A. 112 (4), 1167-1172 (2015).</li>
<li>Weidner, C., Steinfath, M., Opitz, E., Oelgeschläger, M., Schönfelder, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Defining+the+optimal+animal+model+for+translational+research+using+gene+set+enrichment+analysis%5BTitle%5D)+AND+%22EMBO+Mol+Med%22%5BJournal%5D)">Defining the optimal animal model for translational research using gene set enrichment analysis.</a> EMBO Mol Med. 8 (8), 831-838 (2016).</li>
<li>Subramanian, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Gene+set+enrichment+analysis%3A+a+knowledge-based+approach+for+interpreting+genome-wide+expression+profiles%5BTitle%5D)+AND+%22Proc+Natl+Acad+Sci+U+S+A%22%5BJournal%5D)">Gene set enrichment analysis: a knowledge-based approach for interpreting genome-wide expression profiles.</a> Proc Natl Acad Sci U S A. 102 (43), 15545-15550 (2005).</li>
<li>Kanehisa, M., Sato, Y., Kawashima, M., Furumichi, M., Tanabe, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((KEGG+as+a+reference+resource+for+gene+and+protein+annotation%5BTitle%5D)+AND+%22Nucleic+Acids+Res%22%5BJournal%5D)">KEGG as a reference resource for gene and protein annotation.</a> Nucleic Acids Res. 44 (D1), D457-D462 (2016).</li>
<li>Kanehisa, M., Goto, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((KEGG%3A+kyoto+encyclopedia+of+genes+and+genomes%5BTitle%5D)+AND+%22Nucleic+Acids+Res%22%5BJournal%5D)">KEGG: kyoto encyclopedia of genes and genomes.</a> Nucleic Acids Res. 28 (1), 27-30 (2000).</li>
<li>Fabregat, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+Reactome+pathway+Knowledgebase%5BTitle%5D)+AND+%22Nucleic+Acids+Res%22%5BJournal%5D)">The Reactome pathway Knowledgebase.</a> Nucleic Acids Res. 44 (D1), D481-D487 (2016).</li>
<li>Croft, D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+Reactome+pathway+knowledgebase%5BTitle%5D)+AND+%22Nucleic+Acids+Res%22%5BJournal%5D)">The Reactome pathway knowledgebase.</a> Nucleic Acids Res. 42 (Database issue), D472-D477 (2014).</li>
<li>Nishimura, D. <a target="_blank" href="http://online.liebertpub.com/doi/abs/10.1089/152791601750294344">BioCarta.</a> Biotech Software & Internet Report. 2 (3), 117-120 (2001).</li>
<li>Edgar, R., Domrachev, M., Lash, A. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Gene+Expression+Omnibus%3A+NCBI+gene+expression+and+hybridization+array+data+repository%5BTitle%5D)+AND+%22Nucleic+Acids+Res%22%5BJournal%5D)">Gene Expression Omnibus: NCBI gene expression and hybridization array data repository.</a> Nucleic Acids Res. 30 (1), 207-210 (2002).</li>
<li>Kolesnikov, N., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((ArrayExpress+update--simplifying+data+submissions%5BTitle%5D)+AND+%22Nucleic+Acids+Res%22%5BJournal%5D)">ArrayExpress update--simplifying data submissions.</a> Nucleic Acids Res. 43 (Database issue), D1113-D1116 (2015).</li>
<li>Cohen, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Sepsis%3A+a+roadmap+for+future+research%5BTitle%5D)+AND+%22Lancet+Infect+Dis%22%5BJournal%5D)">Sepsis: a roadmap for future research.</a> Lancet Infect Dis. 15 (5), 581-614 (2015).</li>
<li>Spinelli, L., Carpentier, S., Montanana Sanchis, F., Dalod, M., Vu Manh, T. P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((BubbleGUM%3A+automatic+extraction+of+phenotype+molecular+signatures+and+comprehensive+visualization+of+multiple+Gene+Set+Enrichment+Analyses%5BTitle%5D)+AND+%22BMC+Genomics%22%5BJournal%5D)">BubbleGUM: automatic extraction of phenotype molecular signatures and comprehensive visualization of multiple Gene Set Enrichment Analyses.</a> BMC Genomics. 16 (1), 814(2015).</li>
</ol>

המחברים מצהירים כי יש להם אינטרסים כלכליים אין מתחרים.

מודלים בעלי חיים זמן הוחלו על החקירה של מנגנוני המחלה ועל הפיתוח של אסטרטגיות טיפוליות מקוריות. עם זאת, ספקנות לגבי predictivity בבעלי חיים כמודלים החלה להתפשט בעקבות הכישלונות של ניסויים קליניים12. יתר על כן, דיונים במחלוקת אודות אסטרטגיות המתאימות עבור ניתוח ופרשנות של נתונים טכנולוגיות גדול ניסויים פרה גידלו למסקנות הפוכות להסיק את אותם נתונים לאחר יישום אסטרטגיות ניתוח נתונים שונות1 ,2. כתוצאה מכך, יש ביקוש גבוה עוד יותר חזקים ביואינפ...

מודלים בעלי חיים נמצאים בשימוש נרחב לחקר מחלות אנושיות, בגלל הדמיון המשוערת שלהם לבני במונחים של גנטיקה, אנטומיה, פיזיולוגיה. יתר על כן, חייתיים לעיתים קרובות לשמש שומרי טיפולים קליניים, יכול להיות בעל השפעה עצומה על ההצלחה של המחקר translational. בחירה זהירה של המודל בעלי חיים מיטביים יכולה להפחית את מספר מחקרים שנעשו בבעלי חיים מטעה. לאחרונה, הרלוונטיות של מודלים בעלי חיים למחקר translational משווקי נדון, בעיקר בגלל ניתוח datasets באותו המתקבל מחלות דלקתיות האדם ומודלים העכבר קשורים הובילה למסקנות סותרות 1,2. הדיון הזה חשף בעיה יסודית במהלך ניתוח נתונים טכנולוגיות: גישות סטנדרטיים לניתוח נתונים שיטתי נדרשים כדי לצמצם את הבחירה ג'ין משוחד וכדי להגדיל את היציבות של השוואות בין זנים 3.
באופן מסורתי, הניתוח של נתונים transcriptomics (ונתונים אחרים טכנולוגיות) נעשית ברמת יחיד-ג'ין, כולל צעד ראשוני של הגן הנבחר בהתבסס על פרמטרים ניתוק מחמירים (למשל, שינוי קיפול &#62; 2.0, ערך p &#60; 0.05). עם זאת, ההגדרה של ניתוק ראשונית פרמטרים לעיתים קרובות הוא סובייקטיבי, שרירותי, לא מוצדק מבחינה ביולוגית, יכול אף לגרום מסקנות מול1,2. יתר על כן, הבחירה הראשונית ג'ין בדרך כלל מגבילה את הניתוח כמה מאוד ואת downregulated גנים, ובכך אינו רגיש מספיק כדי לכלול את רוב גנים שבאו לידי ביטוי באופן שונה במידה פחותה.
עם עליית עידן גנומיקה בתחילת שנות האלפיים, הידע הגובר של מסלולים ביולוגיים והקשרים, פותחו גישות סטטיסטיות חלופי מותר לעקוף את המגבלות של ניתוחים ברמת יחיד-גן. ג'ין להגדיר העשרה ניתוח (GSEA)4, שהיא אחת של שיטות מקובלות הניתוח של נתונים transcriptomics, עושה שימוש האפריורית מוגדרת על ידי קבוצות של גנים (למשל, איתות מסלולים, מיקום proximal על כרומוזום וכו.). GSEA ממפה קודם כל הגנים לא מסונן שזוהו לסטים ג'ין המיועד (למשל, מסלולים), ללא כל קשר שלהם שינוי בודדות בביטוי. גישה זו ולכן כולל גם גנים בינוני מוסדר שאחרת היה אבוד עם ניתוחים ברמת יחיד-גן. השינוי מוספים בביטוי בתוך הגן ערכות לאחר מכן מתבצעת באמצעות סטטיסטיקה סכום המצטבר.
למרות השימוש רחב במחקר רפואי, GSEA וגישות העשרה קבע קשורים לא שהאקסיומה נלקחים בחשבון לניתוח של טכנולוגיות מורכבות נתונים. כאן, אנו מתארים את פרוטוקול לצורך השוואת נתונים טכנולוגיות מדגימות האנושי עם אלה של מודלים בעכבר כדי לזהות את מודל אידיאלי ללימודי translational. נדגים את הישימות של פרוטוקול מבוסס על אוסף של העכבר מודלים המשמשים עבור מחקה מחלות דלקתיות אנושי. עם זאת, צינור ניתוח זו אינה מוגבלת האדם-עכבר השוואות והוא שאלות המחקר amendable נוספות.

<table><tbody><tr><td>אקסל</td><td>מיקרוסופט קורפוריישן</td><td></td><td></td></tr></tbody></table>

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

A Protocol for Using Gene Set Enrichment Analysis to Identify the Appropriate Animal Model for Translational Research

מחקרים שנעשו לאחרונה כי בהשוואה datasets transcriptomic של מחלות האדם עם datasets דגמים העכבר באמצעות טכניקות מסורתיות ג'ין-כדי-גן השוואה הביא למסקנות סותרות בדבר הרלוונטיות של מודלים בבעלי חיים עבור translational מחקר. הסיבה הראשית עבור אי-ההתאמות בין ניתוחים ביטוי גנים שונים הוא שרירותי הסינון של גנים ביטוי באופן שונה. יתר על כן, ההשוואה של גנים יחיד בין מינים שונים ופלטפורמות לעתים קרובות הוא מוגבל על ידי סטיה טכני, שמוביל פירוש מוטעה קון/הכתבים בין נתונים של מודלים האדם ושל בעלי החיים. לפיכך, נדרשים מתוקננת גישות לניתוח נתונים שיטתי. כדי להתגבר על יעילות השוואות ג'ין-כדי-גן וסינון ג'ין סובייקטיבית, אנו לאחרונה הפגינו כי מפענוח העשרה set (GSEA) יש פוטנציאל כדי להימנע מבעיות אלה. לכן, פיתחנו פרוטוקול מתוקננת לשימוש של GSEA להבדיל בין מודלים בעלי חיים המתאימים ולא הולמים עבור המחקר translational. פרוטוקול זה אינה מתאימה כדי לחזות כיצד לתכנן מערכות מודל חדש א-פריורי–, כפי שהוא דורש נתונים ניסיוני טכנולוגיות קיימים. עם זאת, הפרוטוקול מתאר כיצד לפרש את הנתונים הקיימים בצורה סטנדרטית לשם בחירת המודל בעלי חיים המתאימים ביותר, ובכך להימנע לניסויים בבעלי חיים מיותרים ומטעה translational מחקרים.

מודגמות את זרימת העבודה GSEA ואת צילומי מסך של נתונים למופת. איור 1 מציג את קובץ הנתונים של ג'ין ביטוי המכיל את הנתונים transcriptomic של עניין. על כל מחקר קובץ תיאורי פנוטיפ נדרש זה מוצג באיור2. ג'ין המבואר סטים (למשל, מסלולים) מוגדרים בקובץ הגדרת מסד הנתונים ג'ין (איור 3). איור 4 מראה פרוטוקול צעד אחר צעד עבור השימוש בכלי תוכנה GSEA. דוח תוצאות למופת ניתנת <st...

אנו מספקים פרוטוקול מתוקננת לשימוש של העשרה קבע מפענוח transcriptomic נתונים כדי לזהות מודל העכבר אידיאלי עבור המחקר translational. פרוטוקול זה ניתן להשתמש עם DNA microarray ו- RNA רצף נתונים, עוד יותר ניתן להאריך לנתונים אחרים טכנולוגיות אם נתונים זמינים.

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

Recent studies that compared transcriptomic datasets of human diseases with datasets from mouse models using traditional gene-to-gene comparison ...

המטרה הכללית של הליך זה היא לזהות את המודל החייתי המתאים לשאלות של מחקר תרגומי. שיטה זו יכולה לסייע במתן מענה לשאלה מרכזית אחת במחקר תרגומי, והיא: כיצד אוכל לבחור מודל חייתי מתאים למחלה אנושית ספציפית שאני מעוניין לחקור? היתרון העיקרי של טכניקה זו הוא השוואת נתוני גנום מלא בין מודלים חייתיים לבין מחקרים של מחלות בבני אדם.כך, גישה זו מונעת פרשנות מוטה הנובעת מהשוואות של גנים בודדים. למרות ששיטה זו מספקת תובנות לגבי התאמתם של מודלים של עכברים למחלות דלקתיות, ניתן להחיל אותה גם על מודלים של מחלות אחרות. GSEA מסייעת בחקירת רגולציית מדיניות עבור מחקרי ביטוי גנים.הפלט עבור כל מודל חיה ומחקר של מחלה מהווה את הבסיס להשוואות נוספות. התחילו הליך זה בהורדת התוכנה והנתונים, ולאחר מכן בטיפול ועיצוב הנתונים כפי שמתואר בפרוטוקול הטקסט. לאחר מכן, פתחו את כלי התוכנה GSEA.לחצו על כפתור Load Data בצד שמאל של החלון הראשי. כרטיסייה חדשה תיפתח לצורך ייבוא קבצי הנתונים הנדרשים. בכרטיסייה החדשה, דפדפו אל קובץ נתוני ביטוי הגנים ואל קובץ הפנוטיפ.במקרה ש-GSEA אינו מצליח להתחבר לאינטרנט, טענו גם את קבצי מאגרי החתימות המולקולריות שהורדו ואת קבצי האנוטציות של שבבי ה-DNA. נתונים שייבאו בהצלחה יופיעו בסעיף טעינת הנתונים (load data). לחצו על כפתור ה-Run GSEA בצד שמאל של החלון הראשי.לשונית חדשה תיפתח כדי להגדיר את הפרמטרים לניתוח. הלשונית מחולקת לשלושה חלקים: שדות חובה, שדות בסיסיים ושדות מתקדמים. בשדות החובה, בחר תחילה את מערך נתוני הביטוי.לאחר מכן, בחרו את מאגר מערכי הגנים מהאתר המקושר או מקובץ מערכי גנים שimported באופן ידני. ערוכו את תוויות הפנוטיפ כדי לבחור את קבוצות הדגימות שמעוניינים להשוות ביניהן. לדוגמה, קבוצת מחלה לעומת קבוצת ביקורת בריאה.בשלב הבא, בחרו באפשרות collapse dataset to gene symbols equals true כדי לתרגם את מזהי הגששים (probes) במערך הביטוי לסמלי גנים רשמיים של Hugo המשמשים במאגר מערכי הגנים. בחרו ב-false אם מערך הביטוי כבר מכיל סמלי גנים של Hugo. הגדירו את מספר הפרמוטציות לברירת המחדל של 1,000.שנו את סוג הפרמוטציה (permutation) לסט גנים (gene set), כיוון שפרמוטציה של פנוטיפ מומלצת רק כאשר ישנם יותר משבעה דגימות בכל פנוטיפ. לבסוף, בחרו את פלטפורמת השבב ששימשה להפקת נתוני ביטוי הגנים, בין אם מהאתר המקושר ובין אם מקובץ הערות שבב ה-DNA שיובא באופן ידני. בשדות הבסיסיים, ערכו את שם הניתוח ואת סעיף שמירת התוצאות בתיקייה זו.בנוסף, ניתן לשנות פרמטרים סטטיסטיים נוספים. לפרטים נוספים על הפרמטרים ועל סעיף השדות המתקדמים, אנא עיינו במדריך למשתמש של GSEA. במידה ומיושמים מדדי קבוצה שחושבו חיצונית עבור נתוני ביטוי גנים, השתמשו בכלי pre-ranked של GSEA.ניתוח זה מבוצע על בסיס רשימה פשוטה של גנים שהוקצו מראש למדדי קבוצה שחושבו מראש, המשמשים לדירוג הגנים. לאחר טעינת קובץ ביטוי הגנים החלופי, עברו לסרגל הניווט הראשי ולחצו על Tools, GseaPreranked. באופן דומה, תיפתח לשונית חדשה להגדרת הפרמטרים עבור הניתוח.בשלב הבא, לחצו על כפתור ה-Run בפינה הימנית התחתונה של החלון. לחצו על הניתוח שהסתיים בהצלחה בסעיף דוח ה-GSEA כדי לפתוח את תוצאות הניתוח. לאחר מכן, לחצו על תוצאות ההעשרה המפורטות בפורמט Excel כדי לייצא את תוצאות הניתוח לגיליון אלקטרוני.ייצאו את התוצאות בנפרד עבור שני הפנוטיפים. בתוכנת Excel, חברו את נתוני התוצאות לקובץ גיליון אחד. לצורך השוואה עתידית בין נתוני ביטוי גנים של מספר מחקרים, שמרו לפחות את שם מערכת הגנים, את ציון העשירה הנורמלי שלו (normalized enrichment score) ואת ערך ה-FDR שלו.חזרו על ניתוח העשרה של קבוצת גנים (GSEA) עבור המחקר השני ועבור כל שאר המחקרים שנועדו להשוואה ביניהם. שלבו כמה שיותר מחקרים קליניים בבני אדם ומודלים שונים של עכברים כדי לזהות את מודל העכברים האופטימלי עבור שאלת המחקר התרגומית. כדי לזהות את המודל החייתי האופטימלי לחיקוי המצב האנושי, השוו את תוצאות ה-GSEA של כל המחקרים זה לזה.השתמש במדדי ההעשרה (enrichment scores) ובערכי ה-FDR כדי לסווג את המסלולים כמופעילים, מעוכבים או כאלו שאינם כאלו. כאשר יש להשוות מחקרים רבים, מומלץ להשתמש בסקריפטים של R. עבור כל השוואה בין שני מחקרים, ספור את מספר המופעים של תשעת השילובים האפשריים של ויסות המסלולים, כפי שמוצג בטבלת שכיחות (contingency table) של שלושה על שלושה.העריכו את המתאם בין שני מחקרים באמצעות חישוב הערך הניבוי החיובי (positive predictive value) והערך הניבוי השלילי (negative predictive value), אשר בהגדרה הם חלקם של המסלולים המראים רגולציה זהה בשני המחקרים. כמו כן, העריכו את חלקם של המסלולים שצפוי היה שיתאימו במקרה בלבד, המיוצגים על ידי ppv chance ו-npv chance. לאחר מכן, חשבו את תגבור המידע (gain of information).ניתן לבצע את כל החישובים באמצעות תוכנות גיליון אלקטרוני, אך מומלץ להשתמש בפונקציות של R. השתמש בטבלת שכיחויות של זוג מחקרים כדי לחשב את ערך ה-P באמצעות מבחן chi-squared, למשל על ידי שימוש בפונקציית ה-chi-squared test ב-R או בתוכנות גיליון אלקטרוני. שמור את נתוני טבלת השכיחויות במטריצה X. לאחר מכן, השווה את תוצאות ה-GSEA עבור כל השילובים של המחקרים שנבחרו לניתוח.מיינו את כל השילובים לפי רווח המידע. לצורך השוואה של מערכי נתונים רבים, השתמשו במטריצה והציגו את הממצאים באמצעות מפת חום צבעונית. בחרו את מודל בעל החיים עם רווח המידע הגבוה ביותר.כדי להעריך את המשמעות של הרווח במידע (gain of information), יש להביא בחשבון גם את מבחן חי-ריבוע (chi-squared test). כאן מוצגת מטריצת מתאם של השוואות נתיבים בין מחקרי אדם לעכברים. החפיפה בבקרת הנתיבים מוצגת כרווח במידע שניתן להפיק ממחקר אחד כדי לנבא את ההשפעות במחקר אחר.צבע כחול מעיד על מתאם נמוך וצבע אדום מעיד על מתאם גבוה בין הנתונים. השוואה בין מערכי נתונים אנושיים לעכבריים חשפה תת-קבוצה של מודלים עכבריים שהפגינו מתאם גבוה למחקרים בבני אדם. לפיכך, מודלים עכבריים אלו הם המתאימים ביותר לסימולציה של המצב האנושי.לעומת זאת, מחקרים שבע, שמונה ותשע לא הראו מתאם למחקרי המחלה בבני אדם. לאחר שילמדו את הטכניקה, ניתן לבצעה תוך מספר ימים אם היא מבוצעת כראוי. הדבר תלוי בכמות הנתונים ובזמינותם.בעת ביצוע פרוצדורה זו, חשוב לזכור כי תוקף התוצאות תלוי באיכות וברלוונטיות של הנתונים שנבחרו. לאחר צפייה בסרטון זה, תרכשו הבנה טובה לגבי האופן שבו יש לבחור מודל בעלי חיים מתאים למחלה אנושית ספציפית על בסיס נתוני טרנסקריפט.

a-protocol-for-using-gene-set-enrichment-analysis-to-identify

Research

JoVE Journal

Biology

ביולוגיה

כאן, אנו מציגים גישה שיטתית לפיתוח רלוונטי מבחינה פיזיולוגית, רגיש...

בדוגמנות Vivo של הגנום האנושי החולנית באמצעות Danio rerio

פרוטוקול זה מציג גישה לניתוח transcriptome כל מעוברים דג זברה, הזחלים, או תאים ממוינים. אנו כוללים בידוד של RNA, מסלול ניתוח של נתוני RNASeq, המבוססות על לרביעיית-PCR אימות של שינויים בביטוי הגנים.

הכנת הדוגמא וניתוח של נתונים ביטוי גנים מבוססת RNASeq דג זברה

פלטפורמת נאס א GeneLab מספק גישה בלתי נדלית טכנולוגיות יקרות ערך נתונים של ניסויים בחלל ביולוגי. נתאר כיצד ניסוי עכבר אופייני מתנהל במרחב ואת איך נתונים של ניסויים אלה ניתן יהיה לגשת וניתח.

לחקור את ההשפעות של שיגור לחלל על הפיזיולוגיה של העכבר באמצעות הפלטפורמה הפתוחה של GeneLab נאס א גישה

כאן, אנו מתארים את הפרוטוקול ואת יישומו של מתיל-Seq, פלטפורמה epigenomic, באמצעות מודל עכברוש לזיהוי שינויים epigenetic הקשורים בחשיפה מתח כרוני. תוצאות מדגימים כי פלטפורמת מתיל-Seq עכברוש הוא מסוגל זיהוי הבדלים מתילציה הנובעים מחשיפה ללחץ אצל חולדות.

פלטפורמה מתיל-Seq חולדה כדי לזהות שינויים Epigenetic הקשורים בחשיפה מתח

הפרוטוקול המוצג כאן מתאר צינור שלם לניתוח נתוני תמלול ריצוף RNA מקריאות גולמיות לניתוח פונקציונלי, כולל בקרת איכות וצעדי עיבוד מראש לגישות אנליטיות סטטיסטיות מתקדמות.

ניתוח תמלול תפוקה גבוהה לחקירת אינטראקציות בין מארח לפתוגן

פיתחנו גישה אונקוגנומית השוואתית חוצת מינים המשתמשת בניתוחים גנומיים ובמסכים גנומיים פונקציונליים כדי לזהות ולהשוות מטרות טיפוליות בגידולים הנובעים ממודלים של עכברים מהונדסים גנטית וסוג הגידול האנושי המתאים.

פרופיילינג גנטי וסינון נשירה בקנה מידה גנומי לזיהוי מטרות טיפוליות במודלים עכבריים של גידול ממאיר במעטפת עצב היקפית

העבודה הנוכחית מתארת פרוטוקול להפעלת אלגוריתם Pathway2Targets, סקריפט R המנבא ומתעדף מטרות טיפוליות על סמך פרופיל מסלולי איתות תוך-תאיים שנוצרו על ידי השוואת דגימות מקרה לעומת ביקורת מניסוי ריצוף RNA בתפזורת.

שימוש ברשימות גנים המתבטאות באופן דיפרנציאלי אנושי לביצוע ניתוח העשרה במורד הזרם ותעדוף יעד

בדיקת רגישות חזותית לטאות באמצעות פרדיגמה התניה אופרנטית המעסיקה וידאו השמעה אקראית של נקודה kinematograms ו ממוחשבת חסרי חוליות.

בדיקת רגישות חזותית על מהירות ועל כיוון התנועה של לטאות

מחשב שנוצר באמצעות גירויים הדרקון ג'קי כמודל.

מחשב שנוצר מודל החיה גירויים

הליך זה מראה כיצד להשתמש ג'ין Pulser מערכת MXcell electroporation במהירות ובקלות לזהות את התנאים הטובים ביותר עבור electroporation fibroblasts העכבר עובריים (MEFs) או תאים ראשוניים אחרים. שיקולים לפתרון בעיות הם דנו גם וידאו המשויכת.

שימוש ג&#39;ין Pulser מערכת MXcell electroporation כדי Transfect תאים ראשוניים עם יעילות גבוהה

למדו פרוטוקול GSEA לניתוח נתוני תמיסה כדי לזהות מודלי עכברים מתאימים למחקר תרגומי. השיטה משווה נתוני גנום שלמים בין מודלים חיות ומחלות אנושיות ומסייעת לבחירת מודלים מדויקים יותר.

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

גלה סרטונים נוספים