Patroon-based Search van Epigenomic gegevens met behulp van GeNemo
8 oktober 2017
In tegenstelling tot DNA sequencedata, epigenomic gegevens niet gemakkelijk worden blootgesteld aan tekstgebaseerde zoekopdrachten. Hier zijn de procedures voor het gebruik van een bijgewerkte versie van GeNemo, een tool web gebaseerde bioinformatics, uit te voeren patroon gebaseerde overeenkomsten in epigenomic gegevens vergelijken beschikbaar online databanken, met inbegrip van de encyclopedie van de elementen van het DNA met zoekt gebruikersgegevens.
Het algemene doel van deze video is om onderzoekers op het gebied van epigenetische studies te laten zien hoe ze het programma GeNemo kunnen gebruiken om regio's van gelijkenis tussen verschillende epigenetische markeringen en verschillende celtypen te verkrijgen. Ons doel bij het maken van dit programma was om onderzoekers in staat te stellen hun gegevens over celfuncties te vergelijken met hun uitgebreide bekende openbare databases, zoals Encode en Mousington. Informatieve zoekopdracht met typische onderzoekssleutelwoorden.
Bij brink zijn je cellen drie K4-primisatie of andere specifieke curven. Hoewel deze berichten nuttig zijn, kan GeNemo ook zoeken naar toevoegingen in de feitelijke gegevens, in plaats van gelijkenissen in de gegevensbeschrijving. Stel dat je een nieuwe DNA-vechtende eiwit hebt zonder of weinig a priori kennis over wat voor soort epigenetische modificaties of celtellingen ze verwachten te relateren.
GeNemo kan nog steeds helpen om de potentiële doelen te verfijnen. GeNemo kan bestanden in verschillende formaten lezen, inclusief wiskunde en Grieks, en zal verschillende patroonvergelijkingsmethoden gebruiken. Het lost ook de off put-regio's op basis van hun gelijkenisscore op en biedt opties voor gegevensexport. En nu gaan we laten zien hoe je een GeNemo-zoekopdracht uitvoert.
Om GeNemo te gebruiken, heb je je eigen gegevensbestand en BED nodig, of big wig-formaat, die kunnen worden geconverteerd uit experimentele ruwe gegevens met gemeenschappelijke bio-informatica-tools, zoals de UCSC-genoombrowser. Ga eerst naar GeNemo.org. Op de hoofdpagina ziet u een zoekvak met specificatie-opties.
Kies met welke soort u uw gegevens wilt vergelijken. Voor deze tutorial gebruiken we homosapiens als de referentiesoort. Kies vervolgens uw eigen bestand om te uploaden naar GeNemo.
Dit bestand kan online worden gehost of op uw lokale schijf. Kopieer en plak de URL in dit vak als uw gegevens online zijn. Of klik op de onderstaande knop om een lokaal gegevensbestand te uploaden.
Voor deze tutorial gebruiken we een voorbeeldbestand. Soms kunnen zoekopdrachten lang duren om te voltooien. Als u niet wilt wachten, kunt u uw e-mailadres in dit vak opgeven.
En u ontvangt een e-mail met een link naar de resultaten wanneer de zoekopdracht is voltooid. Als u uw eigen gegevens in BED-formaat verstrekt, is er een andere URL om een big wig-bestand te uploaden, alleen ter weergave. U kunt ook een zoekbereik opgeven in dit vak.
Om een zoekbereik op te geven, moet u het chromosoomnummer specificeren, evenals het base pair-bereik. De volgende twee invoer worden hetzelfde gelezen.Chromosoom1: 1-1000000. Of door de leestekens te vervangen door spaties, wat het BED-bestandsformaat is.
Chromosoom1 1 1000000. Klik nu op de knop voor gegevensselectie om te selecteren welke tracktypen u wilt zoeken. U kunt de selectievakjes naast elk gegevensvoorbeeld aanvinken om ernaar te zoeken, maar er is ook een filterfunctie.
De filterfunctie is handig voor het selecteren van meerdere tracks tegelijk. Hier kunt u selecteren uit welke categorie u wilt filteren, evenals de knoppen onderaan het tabblad gebruiken. De eerste drie knoppen zijn vrij duidelijk.
Filter zorgt ervoor dat alle tracks die niet tot de geselecteerde categorieën behoren, worden uitgeschakeld. Een soort en-poort. Aan de andere kant zorgt uitsluiten ervoor dat de geselecteerde categorieën worden uitgeschakeld.
Zoals een niet-poort. Wanneer u klaar bent, klikt u op de zoekknop om de zoekopdracht te starten. Als u veel tracks doorzoekt en of u geen kleiner zoekbereik hebt opgegeven, kan de zoekopdracht even duren.
In het resultatenvak ziet u verschillende secties van het genoom waar uw gegevensbestand en zoeksoorten vergelijkbaar zijn in een of meer van de door u opgegeven tracksequenties. U kunt op BED-bestand downloaden klikken om een bestand te downloaden met een lijst van overeenkomende regio's. Klik op de knop tonen in elk vak om de overeenkomende sectie te visualiseren.
In het weergavegedeelte ziet u uw eigen gegevensbestandtrack, evenals de bijbehorende track of tracks. U kunt stroomopwaarts of stroomafwaarts bewegen door de balk bovenaan te verplaatsen met de base pair-labels. Zoals u in dit voorbeeld kunt zien, is de berg hier een gelijkenis tussen de twee tracks.
Na het bekijken van deze video, zou u een goed idee moeten hebben over hoe u regio's van gelijkenis tussen verschillende epigenetische markers kunt verkrijgen met behulp van GeNemo. De resultaten van de GeNemo-zoekopdracht omvatten epigenetische markers transcriptiefactoren, DNA-methylering, chromogeentoegankelijkheid of andere soorten signaal over verschillende weefseltypen die op bepaalde genomische locaties vergelijkbare patronen hebben met uw gegevens van belang. Van daaruit kunt u misschien opmerken of dit DNA-bindende eiwit kan interageren met een bepaald transcriptiefactor, sommige regulerende elementen of iets te maken heeft met chromatinestructuur, enzovoort.
U kunt verder opmerken welke soorten weefsels de grootste gelijkenis hebben met uw gegevensset, wat van toepassing kan zijn op de ontwikkelingsfunctie van uw eiwit van belang. Door een dergelijk breed onderzoek te doen, kan GeNemo de voorlopige regio's, markers en of celtypen in relatief korte tijd retourneren. Uit deze resultaten zou het ook mogelijk zijn om de potentiële gebieden van belang te verfijnen om toekomstige experimenten af te leiden, zoals het kiezen van de juiste cellijn voor het eiwit in kwestie, het testen van interacties met specifieke transcriptiefactoren of epigenetische modificatie via Co IP, 30C, 4C, 5C of HiC.
We hopen dat deze tutorial nuttig is geweest en werken constant aan het verbeteren van GeNemo. Hiervoor verwelkomen we elke feedback.
Overzicht
Dit artikel presenteert een tutorial over het gebruik van GeNemo, een webgebaseerde bio-informatica tool ontworpen voor patroon-gebaseerde zoekopdrachten in epigenetische data. Onderzoekers kunnen hun data vergelijken met uitgebreide openbare databases om regio's van overeenkomst tussen verschillende epigenetische markers en celtypes te identificeren.
Belangrijke studiecomponenten
Wetenschapsgebied
- Epigenetica
- Bio-informatica
- Data-analyse
Achtergrond
- Epigenetische data is uitdagend om te doorzoeken met traditionele tekst-gebaseerde methoden.
- GeNemo maakt de vergelijking van gebruikersdata met bekende openbare databases mogelijk.
- De tool ondersteunt verschillende dataformaten en biedt visualisatieopties.
- Het begrijpen van epigenetische modificaties is cruciaal voor het bestuderen van genexpressieregulatie.
Doel van de studie
- Om te demonstreren hoe GeNemo kan worden gebruikt voor epigenetische data-analyse.
- Om onderzoekers in staat te stellen potentiële doelen gerelateerd aan hun data te identificeren.
- Om de exploratie van overeenkomsten in epigenetische markers tussen verschillende celtypen te vergemakkelijken.
Gebruikte methoden
- Gebruik van GeNemo voor datavergelijking.
- Invoer van gebruikersdata in BED of big wig formaat.
- Selectie van soorten en datasporen voor analyse.
- Visualisatie van resultaten en downloadopties voor matchende regio's.
Belangrijkste resultaten
- Identificatie van genomische regio's met vergelijkbare epigenetische patronen.
- Mogelijkheid om overeenkomende secties van het genoom te visualiseren.
- Resultaten omvatten verschillende epigenetische markers en transcriptiefactoren.
- Potentieel om toekomstige experimentele ontwerpen te informeren op basis van bevindingen.
Conclusies
- GeNemo is een waardevol hulpmiddel voor onderzoekers in de epigenetica.
- Het programma verbetert de mogelijkheid om epigenetische data te analyseren en te vergelijken.
- Feedback wordt aangemoedigd om de functionaliteit van GeNemo te verbeteren.
Veelgestelde vragen
Executive Industry Relevance
GeNemo addresses a critical gap in epigenomic data analysis by enabling pattern-based searches across public functional genomic datasets, a capability lacking in traditional text-based tools. This supports target validation and mechanistic de-risking in early discovery by identifying epigenetic signatures associated with disease-relevant cell types and developmental stages. The tool enhances predictive confidence in hypothesis generation for epigenetic modulators and chromatin-associated proteins.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Scientific Value: Enables interrogation of therapeutic hypotheses by comparing user epigenomic data against ENCODE datasets to identify shared patterns in histone modifications, transcription factor binding, and chromatin accessibility.
- Operational Value: Supports functional target validation by revealing cell-type-specific epigenetic landscapes that may indicate regulatory mechanisms of DNA-binding proteins.
- Predictive Value: Facilitates portfolio triage by highlighting genomic regions with similar epigenetic marks, helping prioritize targets with stronger mechanistic rationale.
Screening & Assay Development
- Scientific Value: Prepares validated biological systems for downstream workflows by identifying epigenetic contexts where targets of interest are active, informing assay design.
- Operational Value: Enhances assay standardization and reproducibility by providing quantitative similarity scores and reproducible genomic region outputs.
- Screening Readiness: Enables reliable compound evaluation by defining epigenetically relevant genomic regions for follow-up functional screening.
Translational & Preclinical Research
- Translational Continuity: Connects discovery findings to preclinical validation by identifying epigenetic markers in disease-relevant tissues and developmental stages.
- Biomarker Alignment: Supports translational biomarker development by linking epigenetic patterns to specific cell types and conditions.
- Risk-Adjusted Advancement: Informs decision-making by revealing cross-tissue epigenetic conservation, reducing biological uncertainty in target selection.
Pipeline & Workflow Integration
GeNemo fits within the discovery continuum from hypothesis generation to lead identification, enabling epigenetic data interpretation that informs target selection and assay development.
- Discovery Biology: Supports hypothesis testing and pathway clarification by identifying epigenomic regions with similar patterns to user data across cell types and species.
- Screening: Enhances assay readiness through quantitative outputs and downloadable BED files of matching regions, enabling standardized compound screening in relevant epigenetic contexts.
- Analytics: Provides similarity scores and visualizable genomic tracks that help teams compare epigenetic conditions and prioritize targets.
- Translational Research: Connects to preclinical work by identifying epigenetic signatures in disease-associated tissues, supporting biomarker-aligned target validation.
- Enterprise Reuse: Functions as a reusable bioinformatics capability for epigenomic data interpretation across multiple projects and therapeutic areas.
Operational & Enterprise Impact
- Scientific Value: Increases predictive confidence in target validation by reducing mechanistic ambiguity through epigenomic pattern matching.
- Operational Value: Ensures standardization and scalability via consistent input formats (BED, bigWig) and reproducible search parameters.
- Strategic Value: Improves go/no-go decisions by enabling early epigenetic de-risking, reducing late-stage biological failure risk.
- Portfolio Impact: Supports risk-adjusted prioritization by highlighting targets with strong epigenetic rationale across disease-relevant systems.
Implementation Considerations
- Requires expertise in epigenetics and bioinformatics to interpret pattern-matching results and select appropriate reference datasets.
- Needs access to UCSC genome browser-compatible data formats and internet connectivity for querying ENCODE and other hosted tracks.
- Demands cross-team standardization on data formatting and search parameters to ensure reproducibility across projects.
- Requires adaptation considerations when applying results across model systems (e.g., mouse to human) due to epigenetic divergence.
- Limited to pattern similarity detection; does not infer causal relationships or direct protein-DNA interactions without follow-up validation.
