Un protocollo per l'utilizzo di Gene imposta analisi di arricchimento per identificare il modello animale adeguato per la ricerca traslazionale

L'obiettivo generale di questa procedura è identificare il modello animale appropriato per le domande di ricerca traslazionale. Questo metodo può aiutare a rispondere a una domanda chiave nella ricerca traslazionale, ovvero: come posso selezionare un modello animale appropriato per una specifica malattia umana che voglio indagare? Il vantaggio principale di questa tecnica è che i dati dell'intero genoma vengono confrontati tra modelli animali e studi sulle malattie umane.

Pertanto, questo approccio evita interpretazioni distorte relative al confronto di singoli geni. Sebbene questo metodo fornisca informazioni sull'idoneità dei modelli murini per le malattie infiammatorie, può essere applicato anche ad altri modelli di malattia. GSEA aiuta a studiare la regolazione delle politiche per gli studi di espressione genica.

L'output di ogni modello animale e studio della malattia è la base per ulteriori confronti. Iniziare questa procedura con il download del software e dei dati, seguito dalla gestione e dalla formattazione dei dati come descritto nel protocollo di testo. Quindi apri lo strumento software GSEA.

Fare clic sul pulsante Carica dati sul lato sinistro della finestra principale. Si aprirà una nuova scheda per l'importazione dei file di dati richiesti. Nella nuova scheda, individua il file di dati di espressione genica e il file del fenotipo.

Nel caso in cui GSEA non riesca a connettersi a Internet, caricare anche i file del database delle firme molecolari scaricati e i file delle annotazioni del chip DNA. I dati importati correttamente vengono visualizzati nella sezione dei dati di caricamento. Fare clic sul pulsante Esegui GSEA sul lato sinistro della finestra principale.

Si aprirà una nuova scheda per impostare i parametri per l'analisi. La scheda è suddivisa in tre parti, campi obbligatori, campi di base e campi avanzati. Nei campi obbligatori, scegli prima il set di dati dell'espressione.

Quindi scegli il database dei set di geni dal sito Web collegato o dal file del set di geni importato manualmente. Modifica le etichette del fenotipo per selezionare i gruppi di campioni che dovrebbero essere confrontati tra loro. Ad esempio, gruppo di malattia contro gruppo di controllo sano.

Quindi, selezionare comprimi il set di dati in simboli genici uguali a vero per tradurre gli identificatori della sonda nel set di dati di espressione in simboli genetici Hugo ufficiali utilizzati nel database dei set di geni. Selezionare false se il set di dati di espressione contiene già simboli del gene Hugo. Impostare il numero di permutazioni sull'impostazione predefinita su 1.000.

Cambiare il tipo di permutazione in set di geni poiché la permutazione del fenotipo è raccomandata solo quando ci sono più di sette campioni in ogni fenotipo. Infine, selezionare la piattaforma di chip utilizzata per generare i dati di espressione genica dal sito Web collegato o dal file di annotazioni del chip di DNA importato manualmente. Nei campi di base, modificare il nome dell'analisi e salvare i risultati in questa sezione della cartella.

Inoltre, è possibile modificare ulteriori parametri statistici. Per ulteriori dettagli sui parametri e sulla sezione dei campi avanzati, consultare la guida utente GSEA. Se vengono applicate metriche di gruppo calcolate esternamente per i dati di espressione genica, utilizzare uno strumento di preclassificazione GSEA.

Questa analisi viene condotta sulla base di un semplice elenco di geni preassegnati a metriche di gruppo precalcolate che vengono utilizzate per classificare i geni. Dopo aver caricato il file di espressione genica alternativo, vai alla barra di navigazione principale e fai clic su Strumenti, GseaPreranked. Allo stesso modo, si aprirà una nuova scheda per l'impostazione dei parametri per l'analisi.

Quindi, fai clic sul pulsante Esegui nella parte inferiore destra della finestra. Fare clic sull'analisi riuscita nella sezione del report GSEA per aprire i risultati dell'analisi. Quindi, fai clic sui risultati dettagliati dell'arricchimento in formato Excel per esportare i risultati dell'analisi in un foglio di calcolo.

Esporta i risultati separatamente per entrambi i fenotipi. In Excel, unisci i dati dei risultati in un unico file di foglio di calcolo. Per il successivo confronto tra i dati di espressione genica di diversi studi, mantenere almeno il nome del set genico, il suo punteggio di arricchimento normalizzato e il suo valore FDR.

Ripetere l'analisi dell'arricchimento del set genico per il secondo studio e per tutti gli ulteriori studi che si intende confrontare tra loro. Includi il maggior numero possibile di studi clinici sull'uomo e diversi modelli murini per identificare il modello murino ottimale per la domanda di ricerca traslazionale. Per identificare il modello animale ottimale per imitare la situazione umana, confrontare tra loro i risultati GSEA di tutti gli studi.

Utilizzare i punteggi di arricchimento e i valori FDR per classificare i percorsi come attivati, inibiti o nessuno dei due. Per confrontare molti studi, si consiglia di utilizzare gli script R. Per ogni confronto di due studi, contare il numero di realizzazioni delle nove possibili combinazioni di regolazione del percorso come indicato da una tabella di contingenza tre per tre.

Valutare la correlazione tra due studi calcolando il valore predittivo positivo e il valore predittivo negativo che è per definizione la parte dei percorsi che mostrano la stessa regolazione in due studi. Inoltre, stimare la parte di percorsi che ci si aspettava correlasse solo per caso, rappresentata dalla probabilità ppv e dalla possibilità npv. Quindi calcola il guadagno di informazioni.

Tutti i calcoli possono essere eseguiti utilizzando programmi per fogli di calcolo, ma si consiglia l'uso delle funzioni R. Utilizzare la tabella di contingenza di una coppia di studi per calcolare il valore P con il test del chi quadrato, ad esempio utilizzando la funzione R, il test del chi quadrato o i programmi per fogli di calcolo. Memorizzare i dati della tabella di contingenza in una matrice X.Successivamente, confrontare i risultati GSEA per tutte le combinazioni degli studi selezionati per l'analisi.

Ordina tutte le combinazioni in base al guadagno di informazioni. Per il confronto di molti set di dati, utilizzare una matrice e visualizzare i risultati utilizzando una mappa di calore colorata. Seleziona il modello animale con il maggior guadagno di informazioni.

Per valutare l'importanza del guadagno di informazioni, prendere in considerazione anche il test del chi quadrato. Qui viene dimostrata una matrice di correlazione dei confronti tra studi sull'uomo e sui topi. La sovrapposizione della regolazione del percorso è mostrata come il guadagno di informazioni che possono essere ottenute da uno studio per prevedere gli effetti in un altro studio.

Il blu indica una correlazione bassa e il rosso un'elevata correlazione tra i dati. Il confronto tra set di dati umani e murini ha rivelato un sottogruppo di modelli murini altamente correlati agli studi sull'uomo. Pertanto, questi modelli murini sono più adatti per imitare la situazione umana.

Al contrario, gli studi sette, otto e nove non hanno mostrato alcuna correlazione con gli studi sulle malattie umane. Una volta padroneggiata, questa tecnica può essere eseguita in diversi giorni se eseguita correttamente. Dipende dalla quantità di dati e dalla disponibilità dei dati.

Durante il tentativo di questa procedura, è importante ricordare che la validità dei risultati dipende dalla qualità e dalla pertinenza dei dati scelti. Dopo aver visto questo video, dovresti avere una buona comprensione di come selezionare un modello animale appropriato per una specifica malattia umana in base ai dati della trascrizione.