Name: כלי מחקר של איגוד הנתיבים עבור ניתוחי GWAS של מידע על מסלול מטבולי (וידאו) | JoVE Journal
Uploaded: 2020-07-01T14:00:00.000+00:00
Duration: 5 min 1 s
Description: למדו כיצד להשתמש בכלי PAST לניתוח נתיבים מטבוליים בנתוני GWAS. שיטה זו מאפשרת לזהות גנים נוספים הקשורים לתכונות שGWAS מסורתי מפספס, ומספקת תובנות ביולוגיות עמוקות 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

1. התקנה
<ol><li>התקן את R, אם הוא עדיין לא מותקן. הערה: PAST כתוב ב- R, ולכן דורש שהמשתמשים שלו יתקנו R. בעת כתיבת שורות אלה, התקנת PAST ישירות מ- Bioconductor דורשת R4.0.  ניתן להתקין גרסאות ישנות יותר של PAST מ- Bioconductor עבור R3.6, וניתן להתקין את PAST מגיתוב עבור משתמשים עם R3.5. ניתן להוריד הוראות התקנה R מהקישור הבא: https://www.r-project.org/.</li>
	<li>התקן את הגירסה העדכנית ביותר של RStudio שולחן העבודה או עדכן RStudio (אופציונלי). הערה: RStudio היא סביבה מועילה לעבודה עם שפת ה- R. ההתקנה שלו מומלצת, במיוחד עבור אלה שבוחרים להפעיל את PAST בשורת הפקודה ולא באמצעות יישום GUI מבריק. RStudio והוראות ההתקנה שלה ניתן למצוא בקישור הבא: <a href="https://rstudio.com/products/rstudio/">https://rstudio.com/products/rstudio/</a>.</li>
	<li>התקן את PAST מ- Bioconductor11 על-ידי ביצוע ההוראות בנושא מוליך ביולוגי. הערה: התקנה באמצעות מוליך ביולוגי אמורה לטפל בהתקנת יחסי התלות של PAST. בנוסף, ניתן להתקין את PAST מגיתוב12, אך התקנה מ- Github לא תתקין יחסי תלות באופן אוטומטי.</li>
	<li>התקן את PAST מבריק (אופציונלי). הורד את הקובץ "אפליקציה. R" מהדף מהדורות של מאגר Github: https://github.com/IGBB/PAST/releases/, וזכרו היכן ממוקם הקובץ שהורד. הערה: בעבר ניתן להשתמש על ידי קורא השיטות שלה ישירות עם R, אבל משתמשים שמכירים פחות R יכול להפעיל את היישום בעבר מבריק, המספק ממשק משתמש מודרך. PAST Shiny הוא סקריפט R הזמין בסניף shiny_app של מאגר גיטוב בעבר. בעבר מבריק ינסה להתקין את יחסי התלות שלה במהלך ההפעלה הראשונה.</li>
	<li>התחל בניתוח על-ידי הפעלת היישום באחת משלוש הדרכים המתוארות להלן.<ol>
<li>עבר מבריק עם RStudio<ol>
<li>באמצעות RStudio, צור פרוייקט חדש בתיקיה שבה היישום. R ממוקם. לחץ על קובץ | פרוייקט חדש ובחר תיקיה זו.</li>
			<li>לאחר יצירת פרוייקט חדש, פתח את היישום. קובץ R שהורד קודם לכן. RStudio מזהה את האפליקציה הזו. R היא אפליקציה מבריקה ויוצרת לחצן הפעל יישום בסרגל שמעל קוד המקור המוצג. לחץ על הפעל יישום. לאחר מכן RStudio תשיק חלון המציג את היישום PAST Shiny.</li>
		</ol>
</li>
		<li>מעבר מבריק עם מסוף R<ol>
<li>הפעל R והפעל את הקוד הבא כדי להפעיל את היישום המבריק של העבר: מבריק::runApp('נתיב/אל/תיקיה/עם/מבריק/אפליקציה. ר'. החלף את הטקסט במרכאות בתיקיה שאליה האפליקציה. R הורד, ולשמור את הציטוטים.</li>
		</ol>
</li>
		<li>עבר ללא R מבריק<ol>
<li>הפעל ספריה(PAST) במסוף R כדי לטעון את PAST.</li>
		</ol>
</li>
	</ol>
</li>
</ol>2. התאמה אישית של ניתוח מבריק (אופציונלי)
<ol><li>שנה את כותרת הניתוח מ"ניתוח חדש" למשהו שמשקף טוב יותר את סוג הניתוח המנוהל, המסייע לעקוב אחר ניתוחים מרובים (ראו איור 1).</li>
</ol><img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/61268/61268fig1.jpg"> איור 1. <a href="https://www.jove.com/files/ftp_upload/61268/61268fig1large.jpg" target="_blank">אנא לחץ כאן כדי להציג גירסה גדולה יותר של איור זה.</a>
<ol start="2"><li>שנה את מספר הליבות ואת המצב. הגדר את מספר הליבות למספר כלשהו בין 1 למספר הכולל במחשב, אך שים לב לכך שהעברת משאבים נוספים ל- PAST עשויה להאט פעולות אחרות במחשב. הגדר את המצב בהתבסס על התיאור בסעיף 6.</li>
</ol>3. טען נתוני GWAS
הערה: ודא כי נתוני GWAS מופרדים באמצעות כרטיסיות. ודא שקובץ השיוך מכיל את העמודות הבאות: תכונה, שם סמן, לוקוס או כרומוזום, מיקום על ערך הכרומוזום, p-value ו- R2 עבור הסמן. ודא שקובץ האפקטים מכיל את העמודות הבאות: תכונה, שם סמן, לוקוס או כרומוזום, מיקום על הכרומוזום ואפקט. סדר עמודות אלה אינו חשוב, שכן המשתמש יכול לציין את שמות העמודות בעת טעינת הנתונים. המערכת מתעלמת מעמודות נוספות. ניתן להשתמש ב- TASSEL13 כדי להפיק קבצים אלה.
<ol><li>טען נתוני GWAS באמצעות מעבר מבריק.<ol>
<li>בחר קובץ שיוך וקובץ אפקטים באמצעות תיבות הבחירה קובץ שיוך וקובץ אפקטים. שנה את שמות העמודות בתיבות הקלט שם עמודת שיוך ועמודות אפקטים מתחת לתיבות בחירת הקבצים כדי לשקף את שמות העמודות בנתונים.</li>
	</ol>
</li>
</ol><img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/61268/61268fig2.jpg"> איור 2. אנא לחץ כאן כדי <a href="https://www.jove.com/files/ftp_upload/61268/61268fig2large.jpg" target="_blank">להציג גירסה גדולה יותר של איור זה.</a>
<ol start="2"><li>טען נתוני GWAS עם PAST במסוף R.<ol>
<li>שנה והפעל את הקוד הבא: gwas_data = load_GWAS_data("path/to/association_file.tsv", "path/to/effects_file.tsv", association_columns = c("תכונה", "Marker", "לוקוס", "אתר", "p", "marker_R2"), effects_columns = c("תכונה", "מרקר", "לוקוס", "אתר", "אפקט")
</li>
	</ol>
</li>
	<li>הערה: שנה את הנתיבים למיקום הממשי של קבצי GWAS. הערכים המסופקים עבור association_columns effects_columns הם ערכי ברירת המחדל. אם השמות אינם תואמים לערכי ברירת המחדל, ציין את שמות העמודות. אחרת, ניתן להשמיט אותם.</li>
</ol>4. נתוני אי-שוויון הצמדה לטעינה (LD)
הערה: ודא כי נתוני אי-שוויון ההצמדה (LD) מופרדים באמצעות כרטיסיות ומכילה את סוגי הנתונים הבאים: לוקוס, מיקום1, Site1, Position2, Site2, מרחק בזוגות בסיס בין מיקום1 ל- Position2 וערך R2.
<ol><li>טען נתוני LD באמצעות מעבר מבריק.<ol>
<li>בחר את הקובץ המכיל נתוני LD. שנה את שמות העמודות בתיבות הקלט שמות עמודות LD מתחת לתיבת בחירת הקבצים כך שיתאימו לשמות העמודות בנתוני LD במידת הצורך.</li>
	</ol>
</li>
</ol><img alt="Figure 3" class="xfigimg" src="/files/ftp_upload/61268/61268fig3.jpg"> איור 3. <a href="https://www.jove.com/files/ftp_upload/61268/61268fig3large.jpg" target="_blank">אנא לחץ כאן כדי להציג גירסה גדולה יותר של איור זה.</a>
<ol start="2"><li>טען נתוני LD עם PAST במסוף R.<ol>
<li>שנה והפעל את הקוד הבא כדי לטעון נתוני LD: LD = load_LD("path/to/LD.tsv", LD_columns = c("Locus1", "Position1", "Site1", "Position2", "Site2", "Dist_bp", "R.2") הערה: שנה את הנתיב למיקום הממשי של קובץ LD. הערכים המסופקים עבור LD_columns הם ערכי ברירת המחדל. אם השמות אינם תואמים לברירות מחדל אלה, ציין את השמות הנכונים של העמודות; אחרת, ניתן להשמיט אותם.</li>
	</ol>
</li>
</ol>5. הקצה SNPs לגנים
הערה: הורד או אתר ביאורים באופן אחר בתבנית GFF. ביאורים אלה ניתן למצוא לעתים קרובות במסדי נתונים מקוונים עבור אורגניזמים ספציפיים. היזהרו לגבי ביאורים באיכות נמוכה, שכן איכות נתוני הביאורים תשפיע על איכות ניתוח המסלול. ודא שהעמודה הראשונה של ביאורים אלה (הכרומוזום) תואמת לתבנית הלוקוס/כרומוזום בנתוני השיוך, האפקטים וה- LD. לדוגמה, הביאורים לא צריכים לקרוא לכרומוזום הראשון "chr1" אם קבצי הנתונים GWAS ו- LD מכנים את הכרומוזום הראשון "1".
<ol><li>הקצה SNPs לגנים עם בעבר מבריק. הערה: מידע נוסף על קביעת חתך R2 מתאים ניתן למצוא טאנג ואח'6, בסעיף שנקרא "SNP לאלגוריתם גנים לניתוח המסלול".<ol>
<li>בחר את הקובץ המכיל ביאורים GFF. שקול איזה גודלחלון וחיתוך R 2 מתאימים ביותר למינים הנלקחים בחשבון ולשנות אם ברירות המחדל אינן מתאימות לנתונים שהועלו. הערה: ערכי ברירת המחדל ב- PAST משקפים בעיקר ערכים המתאימים לתירס. מספר הליבות שנקבעו בתחילת ניתוח ה- PAST Shiny (שלב 2.2) משמש בשלב זה.</li>
	</ol>
</li>
</ol><img alt="Figure 4" class="xfigimg" src="/files/ftp_upload/61268/61268fig4.jpg"> איור 4. אנא לחץ כאן כדי <a href="https://www.jove.com/files/ftp_upload/61268/61268fig4large.jpg" target="_blank">להציג גירסה גדולה יותר של איור זה.</a>
<ol start="2"><li>הקצה SNPs לגנים עם PAST במסוף R.<ol>
<li>שנה והפעל את הקוד הבא כדי להקצות SNPs לגנים: גנים = assign_SNPs_to_genes(gwas_data, LD, "path/to/anotations.gff", c("גן"), 1000, 0.8, 2) הערה: בקוד לדוגמה זה, מסופקות מספר הצעות ברירת מחדל: 1000 הוא גודל החלון סביב SNP כדי לחפש גנים; 0.8 הוא ערך הקיצוץ עבור R2; 2 הוא מספר הליבות המשמשות לעיבוד מקבילי. יש לשנות את הנתיב לביאורים גם למיקום הממשי של קובץ הביאורים.</li>
	</ol>
</li>
</ol>6. גלה מסלולים משמעותיים
הערה: ודא שקובץ הנתיבים מכיל את הנתונים הבאים בתבנית מופרדת באמצעות טאבים, עם שורה אחת עבור כל גן בכל מסלול: מזהה מסלול - מזהה כגון "PWY-6475-1"; תיאור מסלול - תיאור ארוך יותר של מה המסלולים לעשות כגון "טרנס-ליקופן biosynthesis"; גן - גן במסלול, אשר צריך להתאים את השמות המסופקים ביאורים. מידע מסלול ניתן למצוא ככל הנראה במסדי נתונים מקוונים עבור אורגניזמים ספציפיים, כגון MaizeGDB. האפשרות השנייה שצוינה על-ידי המשתמש היא המצב. "הגדלת" מתייחס פנוטיפים המשקפים כאשר ערך עולה של התכונה הנמדדת רצוי, כגון תשואה, בעוד "ירידה" מתייחס תכונה שבה ירידה בערכים הנמדדים מועילה, כגון דירוגי נזק חרקים. המשמעות של מסלולים נבדקת בשיטות שתוארו בעבר4,6,14.
<ol><li>גלה מסלולים משמעותיים עם עבר מבריק.<ol>
<li>בחר את הקובץ המכיל נתוני מסלולים וודא שהמצב נבחר באפשרויות הניתוח. במידת הצורך, שנה את מספר הגנים שחייבים להיות במסלול כדי לשמור אותו לניתוח ואת מספר התמורות המשמשות ליצירת התפלגות ה- Null כדי לבדוק את משמעות ההשפעה.</li>
	</ol>
</li>
</ol><img alt="Figure 5" class="xfigimg" src="/files/ftp_upload/61268/61268fig5.jpg"> איור 5. <a href="https://www.jove.com/files/ftp_upload/61268/61268fig5large.jpg" target="_blank">אנא לחץ כאן כדי להציג גירסה גדולה יותר של איור זה.</a>
הערה: מספר הליבות והמצב שהוגדר בתחילת ניתוח ה- PAST Shiny (שלב 2.2) משמש בשלב זה. מספר ברירת המחדל של הגנים מוגדר כיום על 5 גנים, כך שמסלולים עם פחות גנים ידועים יוסרו. המשתמש יכול להוריד ערך זה ל- 4 או 3, כדי לכלול מסלולים קצרים יותר, אך פעולה זו תסתכן בתוצאות חיוביות שגויות. הגדלת ערך זה יכולה להגדיל את כוח הניתוח אך תסיר מסלולים נוספים מהניתוח. שינוי מספר התמורות המשמשות מגדיל ומקטין את כוח הבדיקה.
<ol start="2"><li>גלה מסלולים משמעותיים עם PAST במסוף R.<ol>
<li>שנה והפעל את הקוד הבא כדי לגלות מסלולים משמעותיים: rugplots_data &lt;- find_pathway_significance (גנים, "path/to/paths.tsv", 5, "גדל", 1000, 2) הערה: בקוד לדוגמה זה, מסופקות מספר ברירות מחדל מוצעות. 5 הוא המספר המינימלי של גנים שחייבים להיות במסלול כדי לשמור על המסלול בניתוח, הגדלת מתייחסת לכמות הולכת וגדלה של התכונה הנמדדת (מומלץ שהמשתמש יפעל הן גדל והן יורד, ללא קשר לתכונה; פרשנות נתונים תהיה שונה עבור השניים, עם זאת), 1000 הוא מספר הפעמים לדגום את ההשפעות כדי לקבוע את התפלגות האפס, ו- 2 הוא מספר הליבות המשמשות לעיבוד מקבילי. שנה את הנתיב למיקום הממשי של קובץ הנתיבים.</li>
	</ol>
</li>
</ol>7. צפו ברוגפלוטס
<ol><li>צפה ברוגפלוטס עם עבר מבריק.<ol>
<li>לאחר העלאת כל הקלטים והגדרתם,לחץ על התחל ניתוח . מד התקדמות יופיע ויציין איזה שלב של הניתוח הושלם לאחרונה. לאחר השלמת הניתוח, PAST Shiny יעבור לכרטיסיה תוצאות. בעמודה השמאלית (שכותרתה "מסלולים") תוצג טבלת תוצאות (הנקראת "נתיבים") ו-Rugplots יוצגו בעמודה הימנית (שכותרתה "התוויות").</li>
		<li>השתמש במחוון כדי לשלוט בפרמטרים של הסינון. כאשר רמת הסינון משביעת רצון, לחץ על לחצן הורד תוצאות בפינה הימנית התחתונה כדי להוריד את כל התמונות והטבלאות בנפרד לקובץ ZIP ששמו מופיע עם כותרת הניתוח. קובץ ZIP זה מכיל את הטבלה המסוננת, הטבלה הלא מסוננת ותמונה אחת לכל מסלול בטבלה המסוננת.</li>
	</ol>
</li>
</ol><img alt="Figure 6" class="xfigimg" src="/files/ftp_upload/61268/61268fig6.jpg"> איור 6. <a href="https://www.jove.com/files/ftp_upload/61268/61268fig6large.jpg" target="_blank">אנא לחץ כאן כדי להציג גירסה גדולה יותר של איור זה.</a>
<img alt="Figure 7" class="xfigimg" src="/files/ftp_upload/61268/61268fig7.jpg"> איור 7. <a href="https://www.jove.com/files/ftp_upload/61268/61268fig7large.jpg" target="_blank">אנא לחץ כאן כדי להציג גירסה גדולה יותר של איור זה.</a>
<ol start="2"><li>הצגת רוגלוטים עם עבר בקונסולת R<ol>
<li>שנה והפעל את הקוד הבא כדי לשמור את התוצאות: plot_pathways(rugplots_data, "pvalue", 0.02, "גדל", "output_folder") הערה: בקוד לדוגמה זה, מסופקות מספר ברירות מחדל מוצעות. pvalue מספק את הנתונים שניתן להשתמש בהם לסינון מסלולים לא משמעותיים לאחר בחירת סף משמעות על-ידי המשתמש; 0.02 הוא ערך ברירת המחדל המשמש לסינון, והגדלה מתייחסת לכמות הולכת וגדלה של התכונה הנמדדת (מומלץ שהמשתמש יפעל הן גדל והן יורד, ללא קשר לתכונה; פרשנות הנתונים תהיה שונה עבור השניים, עם זאת); output_folder היא התיקיה שבה יכתבו התמונות והטבלאות (תיקיה זו חייבת להתקיים לפני הפעלת הפונקציה). טבלה של תוצאות מסוננות, התוצאות הלא מסוננות ותמונות בודדות עבור כל מסלול בתוצאות המסוננות נכתבות לתיקיה זו.</li>
	</ol>
</li>
</ol>

<ol><li>Rafalski, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Association+genetics+in+crop+improvement%5BTitle%5D)+AND+%22Current+Opinion+in+Plant+Biology%22%5BJournal%5D)">Association genetics in crop improvement.</a> Current Opinion in Plant Biology. 13 (2), 174-180 (2010).</li>
<li>Yan, J., Warburton, M., Crouch, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Association+Mapping+for+Enhancing+Maize+%28Zea+mays+L.%29+Genetic+Improvement%5BTitle%5D)+AND+%22Crop+Science%22%5BJournal%5D)">Association Mapping for Enhancing Maize (Zea mays L.) Genetic Improvement.</a> Crop Science. 51 (2), 433-449 (2011).</li>
<li>Xiao, Y., Liu, H., Wu, L., Warburton, M., Yan, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Genome-wide+Association+Studies+in+Maize%3A+Praise+and+Stargaze%5BTitle%5D)+AND+%22Molecular+Plant%22%5BJournal%5D)">Genome-wide Association Studies in Maize: Praise and Stargaze.</a> Molecular Plant. 10 (3), 359-374 (2017).</li>
<li>Wang, K., Li, M., Bucan, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Pathway-Based+Approaches+for+Analysis+of+Genomewide+Association+Studies%5BTitle%5D)+AND+%22The+American+Journal+of+Human+Genetics%22%5BJournal%5D)">Pathway-Based Approaches for Analysis of Genomewide Association Studies.</a> The American Journal of Human Genetics. 81 (6), 1278-1283 (2007).</li>
<li>Weng, L., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((SNP-based+pathway+enrichment+analysis+for+genome-wide+association+studies%5BTitle%5D)+AND+%22BMC+Bioinformatics%22%5BJournal%5D)">SNP-based pathway enrichment analysis for genome-wide association studies.</a> BMC Bioinformatics. 12 (1), 99(2011).</li>
<li>Tang, J., Perkins, A., Williams, W., Warburton, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Using+genome-wide+associations+to+identify+metabolic+pathways+involved+in+maize+aflatoxin+accumulation+resistance%5BTitle%5D)+AND+%22BMC+Genomics%22%5BJournal%5D)">Using genome-wide associations to identify metabolic pathways involved in maize aflatoxin accumulation resistance.</a> BMC Genomics. 16 (1), 673(2015).</li>
<li>Warburton, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Genome-Wide+Association+Mapping+of+Aspergillus+flavus+and+Aflatoxin+Accumulation+Resistance+in+Maize%5BTitle%5D)+AND+%22Crop+Science%22%5BJournal%5D)">Genome-Wide Association Mapping of Aspergillus flavus and Aflatoxin Accumulation Resistance in Maize.</a> Crop Science. 55 (5), 1857-1867 (2015).</li>
<li>Warburton, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Genome-Wide+Association+and+Metabolic+Pathway+Analysis+of+Corn+Earworm+Resistance+in+Maize%5BTitle%5D)+AND+%22The+Plant+Genome%22%5BJournal%5D)">Genome-Wide Association and Metabolic Pathway Analysis of Corn Earworm Resistance in Maize.</a> The Plant Genome. 11 (1), 170069(2018).</li>
<li>Li, H., Thrash, A., Tang, J., He, L., Yan, J., Warburton, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Leveraging+GWAS+data+to+identify+metabolic+pathways+and+networks+involved+in+maize+lipid+biosynthesis%5BTitle%5D)+AND+%22The+Plant+Journal%22%5BJournal%5D)">Leveraging GWAS data to identify metabolic pathways and networks involved in maize lipid biosynthesis.</a> The Plant Journal. 98 (5), 853-863 (2019).</li>
<li>Thrash, A., Tang, J., DeOrnellis, M., Peterson, D., Warburton, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((PAST%3A+The+Pathway+Association+Studies+Tool+to+Infer+Biological+Meaning+from+GWAS+Datasets%5BTitle%5D)+AND+%22Plants%22%5BJournal%5D)">PAST: The Pathway Association Studies Tool to Infer Biological Meaning from GWAS Datasets.</a> Plants. 9 (1), 58(2020).</li>
<li>Adam, T., Mason, D. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aAdam%2C+T+%22PAST%3A+Pathway+Association+Study+Tool+%28PAST%29.+Bioconductor+version%3A+Release+%283.10%29%22">PAST: Pathway Association Study Tool (PAST). Bioconductor version: Release (3.10)</a>. , (2020).</li>
<li>Thrash, A., DeOrnellis, M. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aThrash%2C+A+%22IGBB%2FPAST%22">IGBB/PAST</a>. , at https://github.com/IGBB/PAST (2019).</li>
<li>Bradbury, P., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((TASSEL%3A+software+for+association+mapping+of+complex+traits+in+diverse+samples%5BTitle%5D)+AND+%22Bioinformatics%22%5BJournal%5D)">TASSEL: software for association mapping of complex traits in diverse samples.</a> Bioinformatics. 23 (19), 2633-2635 (2007).</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+%22Proceedings+of+the+National+Academy+of+Sciences+U.S.A%22%5BJournal%5D)">Gene set enrichment analysis: A knowledge-based approach for interpreting genome-wide expression profiles.</a> Proceedings of the National Academy of Sciences U.S.A. 102, 15545-15550 (2005).</li>
</ol>

למחברים אין מה לחשוף.

המטרה העיקרית של העבר היא להביא ניתוחי מסלול מטבוליים של נתוני GWAS לקהל רחב יותר, במיוחד עבור אורגניזמים שאינם אנושיים ולא בעלי חיים. שיטות חלופיות ל-PAST הן לעתים קרובות תוכניות שורת פקודה המתמקדות בבני אדם או בבעלי חיים. ידידותיות למשתמש הייתה מטרה עיקרית בפיתוח של PAST, הן בבחירה לפתח יישום מבריק והן בבחירה להשתמש R ו Bioconductor לשחרר את היישום. משתמשים אינם צריכים ללמוד כיצד לבצע הידור תוכניות כדי להשתמש ב- PAST.
כמו ברוב סוגי תוכנות הניתוח, התוצאות של PAST טובות רק כמו נתוני הקלט; אם נתוני הקלט כוללים שגיאות או מעוצבים באופן שגוי, הפונקציה PAST לא תפעל או תפיק תוצאות לא חשובות. הקפדה על עיצוב נכון של נתוני GWAS, נתוני LD, ביאורים ומסלולים היא קריטית לקבלת פלט נכון מ- PAST. PAST מנתחת סמנים דו-אלליים בלבד ויכולה להפעיל תכונה אחת בלבד עבור כל קבוצה של נתוני קלט. בנוסף, נתוני GWAS המיוצרים על ידי genotyping המסכן או פנוטיפינג שגוי או לא מדויק אינו צפוי לייצר תוצאות ברורות או חוזרות על עצמן. העבר יכול לסייע בפרשנות הביולוגית של תוצאות GWAS, אך לא סביר שיבהיר ערכות נתונים כאוטיות אם וריאציה סביבתית, שגיאה ניסיונית או מבנה האוכלוסייה לא נלקחו בחשבון כראוי.
משתמשים יכולים לבחור לשנות פרמטרים מסוימים של הניתוח, הן ביישום Shiny והן על-ידי העברת פרמטרים אלה לפונקציות של PAST במסוף R. פרמטרים אלה יכולים לשנות את התוצאות שדווחו על-ידי PAST, ועל המשתמשים לדאוג בעת שינוי אלה מברירות המחדל. מאחר ש- LD נמדד על-ידי המשתמשים, בדרך כלל באמצעות אותה ערכת נתוני סמן ששימשה גם ב- GWAS, מדידות LD ספציפיות לאוכלוסייה. עבור כל המחקרים, במיוחד עבור מינים שאינם תירס, (במיוחד האבקה עצמית, פוליפלואיד, או מינים הטרוגניים מאוד), שינויים בברירות המחדל עשויים להיות מוצדקים.

An erratum was issued for: A Pathway Association Study Tool for GWAS Analyses of Metabolic Pathway Information. One of the affiliations was updated.
The second affiliation was updated from:
USDA-ARS Corn Host Plant Resistance Research Unit, Mississippi State University
to:
Corn Host Plant Resistance Research Unit, USDA-ARS

An erratum was issued for:&#160;<a href="https://www.jove.com/t/61268">A Pathway Association Study Tool for GWAS Analyses of Metabolic Pathway Information</a>. One of the affiliations was updated.

Erratum: A Pathway Association Study Tool for GWAS Analyses of Metabolic Pathway Information

מחקרי אסוציאציה כלל-גנומית (GWAS) הם שיטה פופולרית לחקר תכונות מורכבות והאזורים הגנומיים הקשורים אליהם1,2,3. בסוג זה של מחקר, מאות אלפי סמני פולימורפיזם נוקלאוטיד יחיד (SNP) נבדקים על הקשר שלהם עם התכונה, ואת המשמעות של האסוציאציות מוערך. שיוכים בעלי תכונות סמן העונים על סף שיעור גילוי כוזב (FDR) (או סוג אחר של סף משמעות) נשמרים עבור המחקר, אך ניתן לסנן שיוכים אמיתיים. עבור תכונות מורכבות, פוליגניות, ההשפעה של כל גן עשויה להיות קטנה (ובכך מסוננת החוצה), וכמה אללים באים לידי ביטוי רק בתנאים ספציפיים שעשויים שלא להיות נוכחים במחקר3. לכן, בעוד SNPs רבים עשויים להישמר כמזוהה עם התכונה, כל אחד עשוי להיות השפעה קטנה מאוד. יותר מדי שיחות SNP יחסרו, ופרשנות של המשמעות הביולוגית והארכיטקטורה הגנטית של התכונה עשויה להיות לא שלמה ומבלבלת. ניתוח מסלול מטבולי יכול לעזור לטפל בכמה מבעיות אלה על ידי התמקדות בהשפעות המשולבות שלגניםהמקובצים לפי הפונקציה הביולוגית שלהם 4,5,6.
מספר מחקרים הושלמו באמצעות יישום קודם של השיטה המתוארת במאמר זה. הצטברות Aflatoxin7, התנגדות תולעי אוזני תירס8, וביוסינטזה שמן9 נחקרו כולם עם היישום הקודם. בעוד שניתוחים אלה היו מוצלחים, תהליך הניתוח היה מסובך, גוזל זמן ומסורבל, מכיוון שכלי הניתוח נכתבו בשילוב של R, פרל ובאש, והצינור לא היה אוטומטי. בגלל הידע המיוחד הנדרש לשינוי שיטה זו עבור כל ניתוח, פותחה כעת שיטה חדשה שניתן לשתף עם חוקרים אחרים.
כלי הלימוד של איגוד הנתיבים (PAST)10 נועד לטפל בחסרונות של השיטה הקודמת על ידי דרישת פחות ידע בשפות תכנות ועל ידי הפעלת ניתוחים בתקופה קצרה יותר. בעוד שהשיטה נבדקה בתירס, PAST אינה מניחה הנחות ספציפיות למינים. העבר יכול להיות מופעל באמצעות קונסולת R, כאפליקציה מבריקה, וגרסה מקוונת צפויה להיות זמינה בקרוב ב- MaizeGDB.

<table><tbody><tr><td>מחשב</td><td>NA</td><td>NA</td><td>כל מחשב עם 8GB RAM צריך להספיק</td></tr><tr><td>R</td><td>R Project</td><td>NA</td><td>R 4.0 ומעלה נדרש להתקנה מ-Bioconductor 3.11</td></tr></tbody></table>

כלי מחקר של איגוד הנתיבים עבור ניתוחי gwas של מידע על מסלול מטבולי

A Pathway Association Study Tool for GWAS Analyses of Metabolic Pathway Information

לאחרונה, יישום חדש של שיטה שתוארה בעבר לפענוח נתוני מחקר איגוד גנום רחב (GWAS) באמצעות ניתוח מסלול מטבולי פותח ושוחרר. כלי המחקר של איגוד הנתיבים (PAST) פותח כדי לטפל בדאגות עם ידידותיות למשתמש ניתוחים איטיים. כלי חדש וידידותי למשתמש זה שוחרר על Bioconductor ו Github. בבדיקות, PAST ביצעה ניתוחים בפחות משעה שדרשו בעבר עשרים וארבע שעות או יותר. במאמר זה, אנו מציגים את הפרוטוקול לשימוש ביישום מבריק או במסוף R להפעלת PAST.

אם התוצאות אינן מיוצרות לאחר הפעלה של כלי התוכנה PAST, ודא שכל קבצי הקלט מעוצבים כראוי. ריצה מוצלחת באמצעות הנתונים לדוגמה בחבילת PAST, המבוססים על תירס GWAS בצבע תבואה, מוצגת באיור 8. ניתן להוריד טבלה זו ואת התמונה המתקבלת באמצעות לחצן הורד תוצאות. דוגמה לתמונה שהורדה מוצגת באיור 210. הגדרות שגויות עשויות להוביל לתוצאות שאינן הגיוניות ביולוגית, אך קביעת אי-תקינות חייבת להיות תלויה אצל החוקר, שצריך לבדוק שוב את תוקפן של ההגדרות שנבחרו ולשקול את כל הראיות הידועות לגבי תכונת העניין.
איור910 מציג את הרוגלוט שהופק מניתוח המסלול של תוצאות GWAS שנוצרו עם לוח תירס של 288 קווים מלידה שהופקו לצבע התבואה. דוגמה פשטנית זו, שבה הפנוטיפים היו "לבנים" או "צהובים", שימשה מכיוון שהמסלול האחראי ליצירת פיגמנטים קרוטנואידים צהובים בהירים ידוע וצריך להיות אחראי לרוב הפנוטיפ. לכן, ציפינו לראות את מסלול הביוסינתזה טרנס-ליקופן (המייצר קרוטנואידים) להיות קשור באופן משמעותי עם צבע התבואה, וזה. מזהה הנתיב והשם מפורטים בחלק העליון של הגרף. הציר האופקי של הגרף מדרג את כל הגנים שנכללו בניתוח, המסודרים משמאל לימין לפי סדר ההשפעה הגדולה ביותר על התכונה לקטנה ביותר. עם זאת, רק הגנים במסלול הביוסינתזה הטרנס-ליקופן מסומנים (בחלק העליון של הגרף, כסימני צוהר, המופיעים בדירוג הגנים של השפעתם בהשוואה לכל הגנים האחרים בניתוח). יש 7 גנים במסלול הזה. ציון העשרת הריצה (ES) מתוות לאורך הציר האנכי. ה- ES עבור כל גן מתווסף לסך הכל הפועל לפי סדר ההשפעה והסכום הכולל מותאם למספר הגנים שנותחו. לכן, הציון משתנה ככל שאדם נע ממש לאורך הציר האופקי ונוטה לגדול ככל שהגנים בעלי ההשפעה הגדולה יותר כלולים, אך בשלב מסוים, הגידול בהשפעה קטן יותר מההתאמה להוספת גן אחר, והציון כולו מתחיל לרדת. פסגת קו ה- ES הפועל מסומנת בקו אנכי מנוקד; זהו ES עבור המסלול כולו והוא משמש את התוכנית כדי לקבוע אם המסלול נבחר ומוצג כמו רוגלוט.
<img alt="Figure 8" class="xfigimg" src="/files/ftp_upload/61268/61268fig8.jpg"> איור 8: הריצה המוגמרת של PAST Shin. <a href="https://www.jove.com/files/ftp_upload/61268/61268fig8large.jpg" target="_blank">אנא לחץ כאן כדי להציג גרסה גדולה יותר של איור זה.</a>
<img alt="Figure 9" class="xfigimg" src="/files/ftp_upload/61268/61268fig9.jpg"> איור 9: תמונת מסלול מהפעלה שהושלמה של PAST (או הורדה מ-Shin). נתון זה צוטט מתרש ואח '10. <a href="https://www.jove.com/files/ftp_upload/61268/61268fig9large.jpg" target="_blank">אנא לחץ כאן כדי להציג גירסה גדולה יותר של איור זה.</a>

על ידי הפעלת כלי המחקר של איגוד הנתיבים (PAST), באמצעות היישום הנוצץ או באמצעות קונסולת R, החוקרים יכולים לקבל הבנה עמוקה יותר של המשמעות הביולוגית של תוצאות מחקר הקשר הגנום שלהם (GWAS) על ידי חקירת המסלולים המטבוליים המעורבים.

כלי מחקר של איגוד הנתיבים עבור ניתוחי GWAS של מידע על מסלול מטבולי

Recently, a new implementation of a previously described method for interpreting genome-wide association study (GWAS) data using metabolic pathway ...

ניתוח אסוציאציות כלל-גנומי הוא כלי רב עוצמה לגילוי גנים הקשורים לתכונה, אך מפספס רבים מהם. PAST מוצא יותר מהגנים הללו ומשלים טוב יותר את התמונה. PAST לוקח פלט GWAS ומוסיף מידע על מסלולים שבהם תאים משתמשים כדי לבנות מטבוליטים וליצור פנוטיפים באורגניזם.גנים במסלולים אלה מתפספסים לעתים קרובות על ידי GWAS בלבד. לאחר שווידאתם שנתוני GWAS מופרדים באמצעות טאבים, השתמשו בתיבת קובץ השיוך לבחירת קובץ שיוך ובתיבת הבחירה של קובץ האפקטים לבחירת קובץ אפקטים. כדי לטעון נתוני GWAS עם PAST בקונסולת R, שנה והפעל את הקוד כפי שמצוין.כדי לטעון נתוני חוסר שיווי משקל של הצמדה עם PAST Shiny, לאחר וידוא שנתוני חוסר שיווי המשקל של הקישור מופרדים בטאבים ומכילים את סוגי הנתונים המתאימים, בחר את הקובץ המכיל את נתוני חוסר שיווי המשקל של ההצמדה. כדי לטעון נתוני חוסר שיווי משקל של הצמדה עם PAST במסוף R, שנה והפעל את הקוד כפי שמצוין. כדי להקצות SNPs לגנים עם PAST Shiny, איתור הערות בפורמט תכונה כללי, בחר את הקובץ המכיל את הערות פורמט התכונה הכלליות ושנה את ההגדרות בהתאם לגודל החלון ולחיתוך R בריבוע המתאימים ביותר למין הנחשב כנדרש.כדי להקצות SNPs לגנים עם PAST במסוף R, שנה והפעל את הקוד כפי שמצוין. לאחר וידוא שקובץ המסלולים מכיל את הנתונים המתאימים בתבנית המופרדת באמצעות טאבים, בחר בקובץ המכיל את נתוני המסלולים ואשר שהמצב נבחר באפשרויות הניתוח. במידת הצורך, שנה את מספר הגנים שחייבים להיות במסלול כדי לשמור על המסלול לניתוח ושנה את מספר התמורות המשמשות ליצירת התפלגות האפס כדי לבחון את משמעות ההשפעה.כדי לגלות מסלולים משמעותיים עם PAST בקונסולת R, שנה והפעל את הקוד כפי שמצוין. כדי להציג עלילות שטיח עם PAST Shiny, לאחר שכל הכניסות הועלו והוגדרו, לחץ על התחל ניתוח. יופיע מד התקדמות המציין איזה שלב בניתוח הושלם לאחרונה.לאחר השלמת הניתוח, PAST Shiny יעבור ללשונית התוצאות ויוצגו טבלת תוצאות ועלילות השטיח. השתמש במחוון כדי לשלוט בפרמטרי הסינון. כאשר רמת הסינון משביעת רצון, לחץ על לחצן הורד תוצאות כדי להוריד בנפרד את כל התמונות והטבלאות לקובץ zip בשם כותרת הניתוח.כדי להציג את עלילות השטיח עם PAST בקונסולת R, שנה והפעל את הקוד כדי לשמור את התוצאות. כאן, מוצגת ריצה מוצלחת באמצעות הנתונים לדוגמה מחבילת PAST, המבוססים על GWAS מבוך של צבע גרגר. והנה מוצגת דוגמה לתמונה שניתן להוריד על ידי לחיצה על כפתור תוצאות ההורדה.תרשים שטיח זה הופק מניתוח המסלול של תוצאות GWAS שנוצר עם לוח המבוך של 288 קווים פנימיים שהיו פנוטיפ לצבע גרגר. כצפוי, מסלול הביוסינתזה הטרנס-ליקופן, שייצר קרוטנואידים, היה קשור באופן משמעותי לצבע התבואה. הגנים ומסלול הביוסינתזה הטרנס-ליקופן מסומנים גם בדירוג הגנים של השפעתם בהשוואה לכל הגנים האחרים בניתוח.הקודקוד של קו ניקוד ההעשרה הריצה עבור המסלול כולו מסומן על ידי הקו המקווקו. הוא משמש את התוכנית כדי לקבוע אם השביל נבחר ומוצג כחלקת שטיח. PAST בכל הנתונים, אך מייצר רק תוצאות טובות עבור נתונים באיכות גבוהה.הרצפים חייבים להכיל מעט שגיאות ויש לאסוף נתונים פנוטיפיים תחת תכנון סטטיסטי נמרץ. עם תוצאות PAST, ניתן לזהות גנים השולטים בנקודות חשובות ובמסלולים משמעותיים ובסופו של דבר לתמרן אותם באמצעות ברירה, עריכת גנים וטיפול תרופתי כדי לשפר תכונה מעניינת.

a-pathway-association-study-tool-for-gwas-analyses-metabolic-pathway

Research

JoVE Journal

Genetics

גנטיקה

שילוב של הגנומיקה, שיתוף ניתוח Gene הביטוי ואת ההזדהות של תרכובות היעד דרך חילוף החומרים לתת ביאור גן פונקציונלי.

ביאור של תפקוד הגן הצמח דרך Genomics, metabolomics משולבים אינפורמטיקה

PathWhiz הוא כלי ציור מקיף, באינטרנט מסלול להפקת הביוכימיים וביולוגיים. היא משתמשת בפומבי מסדי נתונים נגישים לוחות להרחבה בקלות המורכב מרכיבים שונים של מסלול מראש נמשכים. פרוטוקול זה מתאר כיצד לבנות מסלולים חדשים בקלות, לשכפל ולערוך מסלולים קיימים, ולהרבות מסלולים נמשכים בעבר אורגניזמים שונים.

כלי אינטרנט לאיכות יצירה גבוהה מסלולים ביולוגיים מכונית קריאות

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

בפרוטוקול זה אנו מציגים זרימת עבודה ממוטבת, המשלבת הכנת דגימות יעילה ומהירה של דגימות רבות. בנוסף, אנו מספקים מדריך שלב אחר שלב להפחתת וריאציות אנליטיות להערכת תפוקה גבוהה של מחקרי GWAS מטבוליים.

מחקרי אסוציאציה רב-גנומית בקנה מידה גדול (Mo-GWAS): קווים מנחים להכנת דגימות ונורמליזציה

אנו מציגים את CorrelationCalculator ו- Filigree, שני כלים לבניית רשת מונחית נתונים וניתוח נתונים של נתונים מטאבולומיים.  CorrelationCalculator תומך בבניית רשת אינטראקציה אחת של מטבוליטים המבוססים על נתוני ביטוי, בעוד Filigree מאפשר בניית רשת דיפרנציאלית, ואחריה אשכולות רשת וניתוח העשרה.

CorrelationCalculator and Filigree: כלים לניתוח רשת מונחה נתונים של נתוני מטבולומיקה

DeepOmicsAE היא זרימת עבודה המתמקדת ביישום שיטת למידה עמוקה (כלומר, מקודד אוטומטי) כדי להפחית את המימדיות של נתוני multi-omics, מתן בסיס למודלים חיזוי ומודולי איתות המייצגים שכבות מרובות של נתוני omics.

DeepOmicsAE: ייצוג מודולי איתות במחלת אלצהיימר עם ניתוח למידה עמוקה של פרוטאומיקה, מטבולומיקה ונתונים קליניים

Islet β מוות תאי מקדים התפתחות של סוכרת מסוג 1, וגילוי תהליך זה עשוי לאפשר התערבות טיפולית מוקדמת. כאן, אנו מספקים תיאור מפורט כיצד למדוד מיני DNA INS שעברו מתילציה דיפרנציאלית בסרום אנושי כסמן ביולוגי למוות של תאי β.

מדידת דיפרנציאלי Methylated<em&gt; אח&quot;י</em&gt; DNA מינים בדגימות אדם סרום כמו מוות של תאים ביומרקר של איילט β

זיהום במהלך רצף גנומית של אורגניזמים מיקרוסקופיים עדיין בעיה גדולה. כאן, אנו מראים שיטה רצף הגנום של דובוני מים מן להצטננות עם עמוד 50 קטנה כמו של ה-DNA גנומי ללא הגברה הגנום כולו כדי למזער את הסיכון של זיהום.

הגנום קלט ultralow רצף ספריית הכנה מ להצטננות Tardigrade

כאן, אנו מציגים פרוטוקול לאפשר כימות מדויק של מיטוכונדריאלי מתילציה DNA (mtDNA). ב פרוטוקול זה, אנו מתארים של עיכול אנזימטי של DNA עם BamHI בשילוב עם צינור ניתוח bioinformatic אשר יכול לשמש כדי למנוע מופרזת של רמות מתילציה mtDNA שנגרם למבנה mtDNA משני.

מתודולוגיה עבור איתור מדויק של מתילציה DNA מיטוכונדריאלי

הזיהוי של האינטראקציות פיזי בין גנים לבין אלמנטים התקינה הוא מאתגר אבל כבר בהנחייתם של כרומוזום קונפורמציה ללכידת שיטות. שינוי זה בפרוטוקול 4C-seq מפחית את הסיכון של ה-PCR הטיה על-ידי צמצום יתר הגברה של תבניות ה-PCR ומגדיל את mappability את הקריאות על-ידי שילוב צעד תקציר של אנזים הגבלה תוספת.

זיהוי תפוקה גבוהה של ג'ין רצפים תקינה באמצעות רצף הדור הבא של כרומוזום מעגלי קונפורמציה ללכוד (4C-seq)

למדו כיצד להשתמש בכלי PAST לניתוח נתיבים מטבוליים בנתוני GWAS. שיטה זו מאפשרת לזהות גנים נוספים הקשורים לתכונות שGWAS מסורתי מפספס, ומספקת תובנות ביולוגיות עמוקות יותר.

כלי מחקר של איגוד הנתיבים עבור ניתוחי GWAS של מידע על מסלול מטבולי

גלה סרטונים נוספים