Genomica risonanza magnetica - una risorsa pubblica per lo Studio Patterns sequenza all'interno del DNA genomico
May 9th, 2011
Vi presentiamo un sito web pubblico computazionali per l'analisi di sequenze genomiche. Rileva schemi sequenza di DNA con diverse composizioni nucleotide non casuale. Questa risorsa genera anche sequenze randomizzati con diversi livelli di complessità.
L'obiettivo generale di questa procedura è quello di esplorare la non casualità di medio raggio, chiamata anche omogeneità di una sequenza genomica specificata dall'utente. Ciò si ottiene esaminando prima la composizione oligonucleotidica di una sequenza di input e generando una tabella di frequenza degli oligonucleotidi che compongono la sequenza. Questo obiettivo viene raggiunto richiamando il programma SRI Analyzer.
Il secondo passo consiste nel produrre sequenze casuali che abbiano esattamente la stessa composizione oligonucleotidica della sequenza di input. Ciò si ottiene richiamando il programma generatore SRI. La terza fase della procedura consiste nel trovare segmenti all'interno dell'input e sequenze randomizzate che sono significativamente arricchite da un particolare nucleotide o combinazione nucleotidica, ad esempio GC o ag.
Questo obiettivo viene raggiunto dal programma MRI Analyzer. Il passaggio finale della procedura consiste nel scaricare i file contenenti le sequenze di tutte le regioni MRI rilevate dal programma. In definitiva, si possono ottenere risultati che mostrano che la maggior parte delle regioni genomiche delle arie multicellulari sono significativamente arricchite da segmenti contenenti estremi composizionali di basi rilevati per ciascuno dei quattro nucleotidi o per una qualsiasi delle loro combinazioni.
Questi in regioni omogenee sono associati a conferme insolite del DNA e/o a particolari proprietà del DNA. Questo metodo può aiutare a rispondere a domande chiave nel campo della genomica, come la ricerca di elementi di DNA potenzialmente funzionali all'interno di vaste aree di sequenze non codificanti, comprese le regioni intergeniche o gli ingressi. Sebbene questo metodo possa fornire informazioni sui genomi dei mammiferi, può essere applicato anche ad altri organismi come invertebrati, piante, funghi e batteri.
Apri la homepage del pacchetto online genomica mid-range in omogeneità o G GM I all'indirizzo www.bioinfo.utoledo. edu/gri/la risorsa web. Fornisce anche informazioni dettagliate sui programmi nel link di aiuto come Leggimi.
Mentre tutti i materiali pubblicati sulla risonanza magnetica genomica e algoritmi simili sono elencati nei collegamenti alle risorse pertinenti, crea un file con una sequenza formattata più veloce per avviare la sessione di analisi A-G-M-R-I. Una sequenza formattata più veloce inizia con una carota o il simbolo maggiore di, seguito da un identificatore o nome univoco e una sequenza sulle righe successive. Solo i nucleotidi TG e C saranno processati mediante risonanza magnetica genomica, sebbene siano consentiti altri input di caratteri.
Viene utilizzato il file di sequenza per il gene PKD one. Per dimostrare la sessione, premere il pulsante di avvio. Si apre una nuova pagina web, che offre la possibilità di copiare e incollare la sequenza di input nella finestra fornita o se il file è di grandi dimensioni.
Per caricarlo, fai clic sul pulsante Scegli file per caricare un file. Individuare il file desiderato. Quindi fare clic sul pulsante avvia questa sessione con questo file La conferma che il file è stato caricato correttamente viene visualizzata nella parte superiore della pagina. Sotto.
Questo messaggio è un identificatore della sessione corrente, che in questo caso è C otto EP oh sei. Per analizzare l'intervallo corto in omogeneità della sequenza di input, fare clic sul pulsante analizza intervallo corto in omogeneità. Il programma apre una nuova pagina, appositamente progettata per l'esecuzione del programma SRI Analyzer.
Qui dobbiamo scegliere la lunghezza massima degli oligonucleotidi da esaminare. Poiché le nostre sequenze di input sono di medie dimensioni circa 50.000 nucleotidi, selezioniamo i primi come la lunghezza più alta di oligonucleotidi per i quali verranno calcolate le frequenze. Infine, dobbiamo premere immediatamente il pulsante Analizza file.
Il programma calcola le frequenze di tutti gli oligonucleotidi della lunghezza scelta e di lunghezze inferiori all'interno della sequenza di input. Per vedere le frequenze di tutti gli oligonucleotidi, clicca sul link scarica il file di composizione. Questo file è denominato file utente.
com rappresenta una tabella con tre colonne. La prima colonna specifica gli oligonucleotidi. Il secondo rappresenta le loro frequenze relative e il terzo rappresenta il numero di occorrenze di oligonucleotidi all'interno della sequenza di input.
Per generare sequenze randomizzate con la stessa composizione oligonucleotidica del file di input, fare clic sulla scheda Generatore SRI. Nella nuova pagina, scegli il numero di campioni di sequenze casuali da generare. Ognuno di questi campioni conterrà sequenze casuali dello stesso numero e lunghezza delle sequenze di input nel file utente.
In questo esempio, il file utente è la sequenza del gene PKD one. Successivamente, scegli la lunghezza più lunga di oligonucleotidi per i quali le frequenze saranno approssimate nelle sequenze randomizzate selezionando il pulsante di opzione per i formatori, che sta per quattro oligonucleotidi di base. Quindi, scegli due per il numero di campioni di sequenze randomizzate da generare.
Infine, avvia il programma facendo clic sul pulsante Genera file per le sequenze di input di centinaia di migliaia di nucleotidi. Potrebbero essere necessari un paio di minuti per generare sequenze casuali. Pertanto, attendi fino a quando non vengono visualizzati i collegamenti blu per il download nella parte inferiore di questa pagina.
Per analizzare l'intervallo medio nell'omogeneità dell'input e delle sequenze randomizzate, fare clic sulla scheda Analizzatore MRI. Nella nuova pagina, selezionare una sequenza da analizzare dalla casella di riepilogo File da analizzare. Scegliere quindi Contenuto GC dall'elenco di sette tipi di contenuto.
Il contenuto GC sta per composizione G più C. Il campo della dimensione della finestra consente di selezionare la lunghezza della finestra per la quale verranno esaminate le sequenze ricche e povere di contenuto. Mantenere la dimensione predefinita della finestra di 50 nucleotidi.
Infine, scegli la soglia superiore e inferiore rispettivamente per le regioni ricche di contenuti e povere di contenuti. Queste soglie possono essere definite dal numero di particolari nucleotidi nella finestra corrente o dalla percentuale di questi nucleotidi nella finestra. In questo caso, scegliamo inizialmente valori casuali del 60% per la soglia superiore e del 30% per la soglia inferiore.
Quindi, premere il pulsante Analizza file Successivamente, viene visualizzato un collegamento al file di output e viene visualizzata una rappresentazione grafica dei risultati. Tutte le aree ricche di contenuto lungo la sequenza di input sono contrassegnate come picchi blu verso l'alto e le regioni povere di contenuto come picchi rossi verso il basso. Il grafico mostra che ci sono troppi picchi blu che mostrano le regioni ricche di GC e molti meno picchi rossi che mostrano le regioni povere di GC.
Ciò significa che i parametri scelti non sono ottimali. Per l'iterazione successiva, utilizzare una soglia superiore del 75% e una soglia inferiore del 32%. Ancora una volta, avviare l'analizzatore MRI facendo clic sul pulsante analizza file.
Il nuovo grafico mostra che anche per i nuovi parametri molto più stringenti, ci sono centinaia di picchi blu. Pertanto, aumentare la soglia superiore all'80% e ripetere i calcoli. Il nuovo grafico mostra che 62 regioni ricche di GC hanno un contenuto di GC maggiore o uguale all'80% e 28 regioni povere di GC con un contenuto di GC inferiore al 32%Successivamente, confronta i risultati per il file di input con le due sequenze randomizzate che hanno la stessa composizione oligonucleotidica del gene PKD uno.
Per fare ciò, cambia la sequenza da PKD un gene a uno casuale utilizzando la casella di riepilogo file da analizzare mantenendo gli stessi parametri per le regioni ricche di GC e povere di GC. La nuova visualizzazione grafica generata per il numero di sequenza casuale uno illustra che questa sequenza casuale ha solo una regione povera di GC e 31 regioni ricche di GC. Un'altra sequenza randomizzata può presentare una certa fluttuazione nel numero di regioni ricche e povere di contenuti, ma la tendenza dovrebbe essere la stessa.
Le sequenze randomizzate per la PKD hanno un gene molte volte inferiore. Le regioni ricche di GC sono più di 10 volte meno regioni povere di GC. La dimostrazione successiva utilizza un altro tipo di contenuto MRI.
Nello stesso pkg, un gene umano introni di questo gene contiene diverse regioni ricche di purine associate a strutture DN aex. Nella pagina web dell'analizzatore MRI, cambia il contenuto di DNA con nucleotidi ag che rappresentano le purine. Mantieni la dimensione della finestra pari a 50 basi e modifica la soglia superiore a 80% e la soglia inferiore a 10%Quindi premere il pulsante Analizza file per richiamare il programma.
Il grafico mostrato mostra che questo gene ha sei regioni ricche di ag mostrate da punte verticali blu e 14 regioni povere di ag mostrate da punte rosse. Quindi confronta questi risultati ottenuti per il gene PKD uno con i dati delle sequenze randomizzate che hanno la stessa composizione oligonucleotidica del gene oggetto di studio passa prima alla sequenza randomizzata, ad esempio il numero due, e mantiene gli stessi parametri del test precedente. Il grafico di questa sequenza casuale mostra che contiene solo una regione ricca di agricoltura e nessuna regione povera di agricoltura.
Tutti i dati generati durante la sessione vengono salvati in file speciali accessibili tramite la scheda di download dei file nell'angolo in alto a destra di ogni pagina web. Dopo aver aperto questo link, scarica la sequenza di input e tutte le sequenze casuali generate. Sotto questo elenco di file, c'è un collegamento alla tabella delle frequenze degli oligonucleotidi generata dal programma analizzatore SRI.
Ci sono poi i link a tutti i risultati generati dal programma di analisi MRI durante la sessione. Ad esempio, fare clic sul file utente un file RAND uno quattro AGCO 50 32 14, che rappresenta i risultati ottenuti per la sequenza randomizzata. Numero uno con i seguenti parametri, contenuto ag 50 nucleotidi finestra lunga, soglia superiore, 32 nucleotidi e soglia inferiore 14 nucleotidi.
In questo file, tutti i segmenti di sequenza nucleotidica che corrispondono a criteri ricchi o poveri di contenuto e le relative coordinate sono disponibili come elenco in base alle loro posizioni consecutive lungo la sequenza di input. Dopo aver visto questo video, dovresti avere una buona comprensione di come navigare attraverso la risonanza magnetica genomica, risorsa computazionale.
Panoramica
Questo articolo presenta una risorsa web computazionale progettata per l'analisi di sequenze genomiche, concentrandosi sul rilevamento di composizioni nucleotidiche non casuali. Lo strumento genera sequenze randomizzate con composizioni oligonucleotidiche simili, facilitando l'esplorazione delle inomogeneità genomiche.
Componenti chiave dello studio
Area della scienza
- Genomica
- Bioinformatica
- Biologia computazionale
Sfondo
- Lo studio si occupa dell'analisi della non casualità a medio raggio nelle sequenze genomiche.
- Utilizza vari programmi per analizzare le composizioni degli oligonucleotidi e generare sequenze casuali.
- Comprendere questi modelli può rivelare elementi funzionali del DNA in regioni non codificanti.
- Il metodo è applicabile a vari organismi, inclusi mammiferi e piante.
Obiettivo dello studio
- Esplorare la non casualità nelle sequenze genomiche.
- Generare sequenze casuali che mantengono la stessa composizione oligonucleotidica dell'input.
- Identificare segmenti arricchiti di nucleotidi all'interno di regioni genomiche.
Metodi utilizzati
- Analisi della composizione degli oligonucleotidi utilizzando il programma SRI Analyzer.
- Generazione di sequenze casuali con il programma SRI generator.
- Identificazione di segmenti arricchiti utilizzando il programma MRI Analyzer.
- File di output scaricabili contenenti sequenze analizzate e risultati.
Principali risultati
- Vengono generate tabelle di frequenza degli oligonucleotidi dalle sequenze di input.
- Sono create sequenze randomizzate che rispecchiano la composizione degli oligonucleotidi dell'originale.
- Viene identificato un arricchimento significativo di specifiche combinazioni di nucleotidi nelle regioni genomiche.
- Vengono fornite rappresentazioni grafiche di regioni ricche e povere di contenuto.
Conclusioni
- La risorsa computazionale aiuta a identificare elementi funzionali all'interno del DNA non codificante.
- Migliora la comprensione delle inomogeneità genomiche in varie specie.
- I metodi possono essere applicati a una vasta gamma di studi genomici.
Domande frequenti
Executive Industry Relevance
Genomic MRI provides a computational approach to detect non-random nucleotide patterns in non-coding DNA, supporting target validation by identifying regulatory elements with potential functional significance. This enables mechanistic de-risking in early discovery by linking sequence inhomogeneity to biological processes such as gene expression and recombination. The resource enhances predictive confidence in lead identification by prioritizing genomic regions with extreme base composition for downstream assay development.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Scientific Value: Interrogates therapeutic hypotheses by identifying mid-range inhomogeneity regions associated with non-B-form DNA structures involved in gene regulation.
- Operational Value: Enables functional target validation through computational detection of sequence patterns enriched in purine-rich or GC-rich regions.
- Predictive Value: Supports portfolio triage by highlighting genomic regions with fixation bias against homogeneity-reducing mutations, indicating evolutionary conservation and potential functionality.
Screening & Assay Development
- Scientific Value: Prepares validated biological systems for downstream workflows by characterizing sequence patterns that correlate with unusual DNA conformations.
- Operational Value: Addresses assay standardization and reproducibility by generating randomized sequences with matched oligonucleotide composition for comparative analysis.
- Screening Readiness: Highlights platform reuse through freely available internet resources that facilitate examination of vast non-coding regions across species.
Translational & Preclinical Research
- Translational Continuity: Discusses disease relevance by linking MRI regions to regulation of gene expression and recombination, supporting biomarker alignment in preclinical models.
- Risk-Adjusted Advancement: Describes continuity from discovery through preclinical validation by enabling cross-species application in invertebrates, plants, fungi, and bacteria.
- Mechanistic De-risking: Focuses on predictive value by identifying sequence patterns associated with functional DNA elements in non-coding regions.
Pipeline & Workflow Integration
The method integrates into the discovery continuum from target validation through lead identification to preclinical work by providing quantitative outputs on sequence enrichment that inform biological de-risking decisions.
- Discovery Biology: Supports hypothesis testing and pathway clarification by analyzing oligonucleotide composition and identifying enriched nucleotide segments in user-specified genomic sequences.
- Screening: Describes assay readiness and reproducibility through generation of randomized sequences with identical oligonucleotide composition for comparative MRI analysis.
- Analytics: Highlights measurements and statistical outputs such as frequency tables and graphical representations of content-rich and content-poor regions to enable condition comparison.
- Translational Research: Connects to preclinical continuity by demonstrating applicability across organisms, supporting biomarker alignment in disease-relevant systems.
- Enterprise Reuse: Frames the method as a reusable capability via a freely accessible web resource for standardized genomic sequence analysis across projects.
Operational & Enterprise Impact
- Scientific Value: Predictive confidence, target validation, reduction of mechanistic ambiguity in non-coding DNA interpretation.
- Operational Value: Standardization, reproducibility, and scalability through automated sequence analysis and randomized control generation.
- Strategic Value: Better go/no-go decisions, capital efficiency, and reduced late-stage biological risk by prioritizing functionally relevant genomic regions early.
- Portfolio Impact: Risk-adjusted prioritization and advancement decisions based on evolutionary conservation signals in MRI regions.
Implementation Considerations
- Required scientific expertise in bioinformatics and genomics for interpreting oligonucleotide frequency tables and MRI outputs.
- Instrumentation and analytical infrastructure needs include web access to the Genomic MRI resource and capacity to handle sequences up to hundreds of thousands of nucleotides.
- Cross-team standardization requirements involve consistent use of window size, threshold parameters, and nucleotide content types (e.g., GC, AG) for reproducible MRI analysis.
- Adaptation considerations across model systems include validation of sequence input format (FASTA) and restriction to A, T, G, C nucleotides despite tolerance for other characters.
- Practical limitations include dependency on user-defined thresholds for content-rich and content-poor regions, which require optimization to avoid over-prediction of enriched segments.
