Method Article

Badanie wpływu lotów kosmicznych na fizjologię myszy przy użyciu platformy NASA GeneLab o otwartym dostępie

DOI:

10.3791/58447

⸱

January 13th, 2019

 ,  ,  ,  ,  ,  , 
1WYLE Labs, Space Biosciences Division, NASA Ames Research Center, 2Space Biosciences Division, NASA Ames Research Center, 3USRA, NASA Ames Research Center

In This Article

Summary

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Platforma GeneLab NASA zapewnia nieskrępowany dostęp do cennych danych omicznych z biologicznych eksperymentów kosmicznych. Opisujemy, w jaki sposób typowy eksperyment na myszach jest przeprowadzany w przestrzeni kosmicznej i jak można uzyskać dostęp do danych z takich eksperymentów i je przeanalizować.

Abstract

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Przeprowadzanie eksperymentów biologicznych w kosmosie wymaga specjalnych udogodnień i procedur, aby zapewnić, że te badania są przeprowadzane skutecznie i efektywnie. Co więcej, biorąc pod uwagę rzadkość tych eksperymentów, konieczne jest maksymalizowanie ich wpływu. Szybki postęp technologii omicznych daje szansę na radykalne zwiększenie ilości danych pochodzących z cennych próbek pochodzących z lotów kosmicznych. Aby to wykorzystać, NASA opracowała platformę GeneLab, aby zapewnić nieograniczony dostęp do danych omicznych dotyczących lotów kosmicznych i zachęcić do ich powszechnej analizy. Gryzonie (zarówno szczury, jak i myszy) są powszechnymi organizmami modelowymi wykorzystywanymi przez naukowców do badania wpływów biologicznych związanych z kosmosem. Wybieg, w którym przebywają gryzonie podczas lotów kosmicznych, nazywany jest siedliskiem gryzoni (dawniej modułami wybiegu dla zwierząt) i znacznie różni się od standardowych klatek wiwarium pod względem wymiarów, przepływu powietrza oraz dostępu do wody i pożywienia. Ponadto, ze względu na warunki środowiskowe i atmosferyczne panujące na Międzynarodowej Stacji Kosmicznej (ISS), zwierzęta są narażone na wyższe stężenie CO2 . Niedawno informowaliśmy, że myszy w siedliskach gryzoni doświadczają dużych zmian w transkryptomie, niezależnie od tego, czy zwierzęta znajdowały się na ziemi, czy w kosmosie. Co więcej, zmiany te były zgodne z reakcją niedotlenienia, potencjalnie spowodowaną wyższymi stężeniami CO2 . W tym miejscu opisujemy, w jaki sposób przeprowadza się typowy eksperyment na gryzoniach w kosmosie, w jaki sposób można uzyskać dostęp do danych omicznych z tych eksperymentów za pośrednictwem platformy GeneLab oraz jak zidentyfikować kluczowe czynniki w tych danych. Korzystając z tego procesu, każda osoba może dokonać krytycznych odkryć, które mogą zmienić projekt przyszłych misji i działań kosmicznych.

Introduction

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Ogólnym celem tego manuskryptu jest dostarczenie jasnej metodologii korzystania z platformy GeneLab NASA1 oraz jak eksperymenty z gryzoniami przeprowadzone w kosmosie są przekształcane w dane omiczne do analizy. Podróżujący w kosmos ludzie są narażeni na liczne zagrożenia dla zdrowia związane ze zmienionymi polami grawitacyjnymi, promieniowaniem kosmicznym, izolacją od Ziemi i innymi wrogimi czynnikami środowiskowymi2,3,4,5,6. Eksperymenty biologiczne przeprowadzone w przestrzeni kosmicznej i na ziemi pomogły zdefiniować i określić ilościowo te zagrożenia7,8,9,10,11,12,13,14. W kosmosie eksperymenty te były prowadzone na Międzynarodowej Stacji Kosmicznej (ISS), promach kosmicznych i innych platformach orbitalnych. Przeprowadzanie tych eksperymentów wymaga specjalistycznego sprzętu i metodologii, biorąc pod uwagę wyjątkowe problemy związane z przeprowadzaniem eksperymentów w kosmosie, w tym ograniczony czas załogi i środowisko mikrograwitacji. Obecnie istnieją różne platformy do przeprowadzania zaawansowanych eksperymentów w kosmosie przy użyciu modeli roślinnych, zwierzęcych i mikrobiologicznych15.

Modele gryzoni były szczególnie ważne dla naszego zrozumienia, jak ssaki, w tym ludzie, reagują na loty kosmiczne. Obejmują one wpływ lotów kosmicznych na strukturę mięśni16,17,18 i funkcje odpornościowe19,20,21. Standardowe klatki wiwarium używane do trzymania gryzoni na Ziemi nie nadają się do eksperymentów z lotami kosmicznymi22,23. Dlatego przez lata myszy i szczury latały i były trzymane w różnych klatkach, w tym w klatkach Habitat Cage Japońskiej Agencji Eksploracji Przestrzeni Kosmicznej (JAXA)24, kapsułach kosmicznych przenoszących zwierzęta używanych na rosyjskim satelicie bezzałogowym BION-M125,26,27, system szuflad na myszy (MDS) zaprojektowany przez Włoską Agencję Kosmiczną28,29,30, moduł NASA Animal Enclosure Module (AEM), a teraz NASA Rodent Transporter and Habitats23. Eksperymenty z gryzoniami rozpoczęły się na pokładzie promu kosmicznego przy użyciu klatek określanych jako Animal Enclosure Module (AEM). Ten sprzęt został użyty w 27 eksperymentach z gryzoniami na promie kosmicznym23. AEM został pierwotnie opracowany z myślą o stosunkowo krótkich eksperymentach na pokładzie wahadłowca (< 20 dni). Od czasu powstania ISS, AEM zostały zmodyfikowane do eksperymentów o dłuższym czasie trwania i są obecnie określane jako Rodent Habitats22,23. Nowe siedliska gryzoni zostały zaprojektowane do obsługi długotrwałych misji na ISS przy użyciu interfejsu EXpedite the PRocessing of Experiments for Space Station (EXPRESS) Rack. Siedliska gryzoni znacznie różnią się od standardowych klatek wiwariowych pod względem wymiarów, przepływu powietrza, filtra i układu wydechowego oraz dostępu do pożywienia i wody (ryc. 1). Niemniej jednak sprzęt ten okazał się skuteczną platformą badawczą, umożliwiającą uzyskanie kluczowych informacji na temat zmian w fizjologii ssaków wywołanych lotami kosmicznymi19,31,32,33,34,35,36.

Duże ilości danych omicznych mogą być teraz generowane z eksperymentów biologicznych lotów kosmicznych, w tym tych przeprowadzanych na gryzoniach. Ostatnio dane z tych eksperymentów omicznych zostały udostępnione publicznie za pośrednictwem platformy NASA GeneLab1, która jest kompleksowym repozytorium danych i platformą analizy, która pozwala każdemu opracowywać hipotezy na podstawie eksperymentów lotów kosmicznych. GeneLab dostarcza narzędzia do odkrywania, dostępu, udostępniania i analizy danych. Wykorzystaliśmy zestawy danych GeneLab, aby pokazać, że różnice między standardowymi klatkami wiwarium a wyspecjalizowanymi siedliskami gryzoni używanymi w kosmosie powodują ogromne różnice w transkryptomie myszy36. Przeanalizowaliśmy cztery różne publicznie dostępne zestawy danych, porównując różne tkanki gryzoni trzymanych w siedliskach gryzoni lub standardowych klatkach wiwariów. Korzystając z bezstronnej analizy biologii systemowej, ustaliliśmy, że główne czynniki i szlaki, które zostały zmienione, były zgodne z reakcją hipoksyjną spowodowaną wysokim poziomem CO2 spowodowanym wyższymi stężeniami CO2 na ISS, co prowadzi do wyższych stężeń CO2 w siedlisku gryzoni, biorąc pod uwagę, że są to systemy pasywne, które pobierają powietrze z otoczenia. Pokazuje to, w jaki sposób naukowcy mogą wykorzystać narzędzia i dane open source do generowania nowatorskich odkryć, które mają wpływ na to, jak środowisko ISS wpływa na zdrowie astronautów.

Tutaj opisujemy, jak przeprowadza się eksperymenty na gryzoniach w kosmosie i jak można uzyskać dostęp do danych z tych eksperymentów za pośrednictwem platformy omicznej o otwartym kodzie źródłowym związanej z biologią kosmiczną. Omawiamy konfigurację siedlisk gryzoni wykorzystywanych w misjach kosmicznych oraz sposób przetwarzania tkanek podczas lotów kosmicznych. Opisujemy również, w jaki sposób można odkryć i uzyskać dostęp do danych omicznych dotyczących lotów kosmicznych w GeneLab oraz jak można zidentyfikować kluczowe czynniki wpływające na ogólną reakcję na loty kosmiczne36. Konkretnym przykładem, który przedstawimy, w jaki sposób ten protokół jest wdrażany, będzie porównanie różnic biologicznych występujących u gryzoni trzymanych w siedlisku gryzoni i kontrolnych wiwariów, które zostały opublikowane przez Beheshti et al.36. Ważne jest, aby pamiętać, że kontrola naziemna jest niezbędna do eksperymentów z gryzoniami podczas lotów kosmicznych. Jak opisano w niniejszym protokole, kontrole te są przeprowadzane w identycznych warunkach (tj. warunki CO2 , wilgotność, temperatura, wymiary klatki itp.) w siedliskach gryzoni na ISS oraz w standardowych klatkach wiwariowych, które mają standardowe warunki środowiskowe (tj. warunki CO2 , wilgotność i temperatura) na Ziemi. Gryzonie trzymane w naziemnych kontrolach siedlisk gryzoni pozwalają na bezpośrednie porównanie z gryzoniami w kosmosie. Podczas gdy gryzonie trzymane w klatkach wiwarium pozwalają na biologiczne porównanie różnych pomieszczeń (np. klatki wiwarium a sprzęt dla gryzoni). Siedlisko gryzoni różni się od klatek wiwarium tym, że ma stały przepływ powietrza (0,1–0,3 m/s), długi czas trwania i wtórny filtr wylotowy, który wychwytuje i pochłania odchody zwierzęce kierowane do filtra wylotowego przez ciągły przepływ powietrza w mikrograwitacji. Ponadto siedliska gryzoni mają systemy pasywne i zasysają powietrze z otoczenia; w związku z tym mają również wyższe stężenia CO2 ze względu na podwyższony poziom w kabinie ISS (~5 000 ppm).

Protocol

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Protokoły dla zwierząt w zakresie hodowli i przetwarzania tkanek są zgodne ze standardowymi wytycznymi dotyczącymi opieki nad zwierzętami laboratoryjnymi i zostały zatwierdzone przez Instytucjonalne Komitety ds. Opieki i Użytkowania Zwierząt NASA (IACUC).

1. Konfiguracja siedlisk gryzoni

UWAGA: Habitaty gryzoni NASA (poprzednio AEM) mają inne cechy niż klatki wiwarium, aby dostosować się do operacji w kosmosie (Rysunek 1).

  1. Umieść 10 myszy w każdym siedlisku gryzoni (do 30 g na mysz). Trzymaj 5 myszy w każdym pomieszczeniu, gdy siedlisko jest skonfigurowane w dwóch przedziałach lub 10 myszy, jeśli jest jeden przedział.
    UWAGA: Siedliska gryzoni NASA mają większą dostępną powierzchnię na gryzonia niż standardowe klatki wiwarium.
  2. W przypadku zwierząt kontrolnych naziemnych, myszy trzymane są w siedlisku gryzoni w symulatorze środowiskowym ISS (ISSES) w identycznych warunkach środowiskowych jak zwierzęta latające, w tym w stężeniach CO2 , temperaturze i wilgotności względnej.
  3. Zapewnij zwierzętom dostęp ad libitum do specjalnie przygotowanych przez NASA Nutrient Upgraded Rodent Foodbars (NuRFB) zgodnie z wymaganiami żywieniowymi National Research Council (NRC) dla myszy37, oraz do wody za pomocą lixitów aktywowanych ciśnieniowo.
  4. Monitoruj zdrowie i zachowanie zwierząt, które zostaną włączone w siedliskach gryzoni za pomocą cyklu świetlnego o godzinie 12:12, podobnie jak w klatkach wiwarium w standardowych obiektach z oświetleniem LED w ciągu dnia i oświetleniem w podczerwieni podczas wideokontroli stanu zdrowia, które odbywają się podczas cyklu ciemności.
  5. Umieść cztery kamery w klatkach Gryzoń do codziennego monitorowania zdrowia i zachowania zwierząt oraz zbieraj filmy w nocy przy oświetleniu w podczerwieni.
  6. Dostarcz gryzonie na ISS w transporterze (Rysunek 2B) na pokładzie kapsuły Dragon lub podobnej rakiety nośnej.
  7. Upewnij się, że gryzonie są obserwowane i badane przez lekarza weterynarii NASA przed załadowaniem do transportera w celu wystrzelenia oraz przez przeszkolonych członków załogi po przybyciu na ISS i przed przeniesieniem do siedlisk gryzoni.
  8. W tym okresie przejściowym w transporterze należy umieścić do 20 myszy (po 10 z każdej strony) lub 12 szczurów.
    UWAGA: Podobnie jak Siedlisko Gryzoni, Transporter jest jednostką pasywną dla warunków środowiskowych. Podczas tego krótkiego okresu przejściowego ta pojedyncza jednostka może pomieścić do 20 myszy.

2. Postępowanie z gryzoniami w eksperymentach kosmicznych

  1. Kupuj gryzonie od standardowych dostawców.
    UWAGA: Po dostawie umieść gryzonie w standardowych klatkach wiwarium i pozwól zwierzętom zaaklimatyzować się w NASA NuRFB, lixitach i podniesionych podłogach z drutu, dopóki zwierzęta nie zostaną załadowane do transportera. Pozostawienie gryzoni w klatkach pozwoli zwierzętom na naturalną adaptację. Postępowanie z myszami zarówno w siedliskach gryzoni, jak i w klatkach wiwarium odbywa się zgodnie z protokołami powszechnie stosowanymi we wszystkich eksperymentach z gryzoniami12,27,28. System siedlisk gryzoni (Rysunek 1A) będzie wykorzystywany zarówno w misjach kosmicznych na STS, jak i ISS, a także do kontroli naziemnych symulujących warunki środowiskowe ISS lub STS.
  2. W przypadku niektórych misji należy używać standardowych klatek wiwarium (Rysunek 1B) do kontroli wiwarium. Użyj 5 lub 10 myszy na standardową klatkę wiwarium.
  3. W przypadku siedlisk gryzoni umieść 10 myszy w dwóch różnych przedziałach po 5 myszy w każdym przedziale. Usuń przegrodę klatki, aby pomieścić 10 myszy na siedlisko w jednej komorze.
  4. Wykorzystaj trzy komponenty sprzętu gryzoni podczas misji kosmicznych, jak opisano poniżej (Rysunek 2).
    1. Umieść gryzonie w transporterze (Rysunek 2B) na czas podróży między Ziemią a ISS lub odwrotnie przy podwójnej gęstości (10 myszy na stronę, 20 myszy na transporter).
    2. Po dotarciu na ISS przymocuj Animal Access Unit (AAU) (Rysunek 2C) do transportera. Przenieś gryzonie z transportera do siedlisk za pomocą skrzynek transferowych myszy (MTB) (5 myszy na MTB) (Rysunek 2D).
      UWAGA: AAU służy do przechowywania wszelkich produktów pochodzenia zwierzęcego (np. kału, moczu, futra) przed dostaniem się do kabiny ISS.
    3. Odłącz AAU od transportera i dołącz go do siedliska gryzoni. Następnie przenieś zwierzęta z MTB do siedliska gryzoni (Rysunek 2A), gdzie przebywają na czas trwania misji.
      UWAGA: Stężenie CO2 spowodowane podwyższonym poziomem w kabinie ISS dla wszystkich siedlisk gryzoni wynosi 5000 ppm.
  5. Monitoruj temperaturę i wilgotność w siedliskach gryzoni, ale nie ma aktywnych kontroli termicznych. Upewnij się, że zespół badawczy gryzoni współpracuje z ISS w celu utrzymania i kontrolowania temperatury w kabinie, która określa temperaturę w siedlisku gryzoni.
    UWAGA: Cykl światła i ciemności w siedliskach gryzoni występuje co 12 godzin (np. 5:00–17:00 GMT, włączone światła), a załoga ISS dokonuje regularnej i częstej wymiany pokarmu (co tydzień lub co dwa tygodnie) i uzupełnia wodę (co ~28 dni).

3. Eutanazja gryzoni i przetwarzanie tkanek

  1. W przypadku eutanazji należy podać gryzoniu przedawkowanie środka znieczulającego ogólnego (ketamina/ksylazyna do 150/45 mg/kg masy ciała rozcieńczona w roztworze soli fizjologicznej buforowanym fosforanami o całkowitej objętości 0,3 ml) poprzez wstrzyknięcie dootrzewnowe (IP) w połączeniu z wtórną metodą eutanazji (zwichnięcie szyjki macicy lub torakotomia).
  2. Dla eksperymentów prowadzonych na ISS:
    1. Powracające gryzonie żywe lub
    2. Eutanazja na ISS.
      1. Zamroź zwłoki gryzoni w temperaturze -95 ± 2 °C w zamrażarkach na ISS i wróć na Ziemię dostępnym pojazdem powrotnym (obecnie kapsuła Dragon firmy SpaceX).
      2. Gdy gryzonie powrócą na Ziemię, należy wypreparować wszystkie narządy i tkanki (tj. wątrobę, nerki, skórę, mięśnie, serce, śledzionę, oczy, nadnercza, płuca i mózg) i przechowywać w temperaturze -80 °C lub w roztworze stabilizującym RNA.
  3. Postępuj zgodnie z tymi samymi procedurami i czasami dla wszystkich naziemnych eksperymentów kontrolnych, co w przypadku eksperymentu lotu, z przesunięciem o 3-5 dni, aby dopasować dane telemetryczne ISS.
  4. Z zachowanych tkanek wyizoluj RNA, białko i DNA za pomocą standardowych protokołów, które są szczegółowo opisane w powiązaniu z każdym zestawem danych na platformie GeneLab (genelab.nasa.gov).
    UWAGA: Tkanki gryzoni, które nie zostały wykorzystane przez głównego badacza, stają się częścią Instytucjonalnej Kolekcji Naukowej NASA. Próbki te są przechowywane w Ames Research Center's (ARC) Non-Human Biobank, gdzie są katalogowane i udostępniane na żądanie społeczności naukowej. Dostępne tkanki można znaleźć na publicznej stronie internetowej archiwum danych nauk przyrodniczych pod adresem: https://Lsda.jsc.nasa.gov/Biospecimen.

4. Generowanie danych omicznych z ekstraktów RNA, DNA i białek

  1. Z wyekstrahowanych makrocząsteczek (RNA, DNA, białko) użyj standardowych protokołów do generowania danych omicznych. Są one szczegółowo opisane w odpowiednich metadanych badania na stronie GeneLab.

5. Repozytorium GeneLab i przesyłanie danych

UWAGA: Dane omiczne związane z biologią kosmiczną są przesyłane do repozytorium danych GeneLab. GeneLab akceptuje i hostuje dane omiczne związane z przestrzenią kosmiczną finansowane przez wiele agencji kosmicznych na całym świecie.

  1. Generuj dane związane z omiką, które mogą być hostowane w repozytorium GeneLab.
    1. Prześlij wygenerowane dane do GeneLab, zarówno po zakończeniu analizy, jak i w oparciu o uznanie badacza.
      UWAGA: Dane przesyłane do innych publicznych baz danych omicznych są importowane i publikowane w repozytorium GeneLab. Dane generowane przez GeneLab są selekcjonowane i publikowane bez okresu embarga. GeneLab, a konkretnie Laboratorium Przetwarzania Próbek, generuje dane z różnych eksperymentów lotów kosmicznych przy użyciu zoptymalizowanych protokołów i technik ekstrakcji w celu zwiększenia danych omicznych z eksperymentów lotów kosmicznych.
  2. Gdy dane są gotowe do przesłania, sformatuj i prześlij metadane i dane do GeneLab za pomocą następującej metody (rysunek uzupełniający 1):
    1. Użyj narzędzi ISAcreator, aby zdefiniować badanie eksperymentalne i zapisać metadane.
      UWAGA: Narzędzie ISAcreator jest dostępne do pobrania z przewodnikiem tutaj38.
    2. Zapoznaj się z danymi wymienionymi tutaj39, aby zrozumieć akceptowane typy i formaty danych dla plików danych surowych i przetworzonych.
      1. Aby zoptymalizować przesyłanie i przechowywanie, skompresuj pliki danych.
    3. Przenieś metadane i surowe i/lub przetworzone dane do kuratorów danych GeneLab za pośrednictwem workspace40.
    4. Utwórz nazwę użytkownika i hasło, a następnie prześlij dane.
  3. Po przesłaniu danych do obszaru roboczego udostępnij dane kuratorowi GeneLab.
    UWAGA: Szczegółowe instrukcje dotyczące przesyłania i udostępniania plików można znaleźć w Przewodniku po przesyłaniu danych41.
  4. Każde zgłoszenie jest weryfikowane przez kuratora i publikowane w repozytorium GeneLab42.

6. Znajdowanie zestawów danych do analizy za pomocą funkcji wyszukiwania w GeneLab

  1. Wyszukaj różne zestawy danych w GeneLab, przechodząc do linku (Rysunek uzupełniający 2)38.
    1. W szczególności w odniesieniu do poprzedniej publikacji36, wyszukaj następujące terminy: GLDS-21, GLDS-111, GLDS-25 i GLDS-63.
  2. Uzyskaj dostęp do strony głównej GeneLab, klikając "GeneLab Data System" po lewej stronie ekranu.
  3. Wprowadź słowa kluczowe w polu "dane wyszukiwania", aby wyszukać określone obszary zainteresowań. W takim przypadku należy wprowadzić oddzielnie każdy z następujących identyfikatorów zestawu danych: GLDS-21, GLDS-111, GLDS-25 i GLDS-63.
  4. Oprócz przeszukiwania repozytorium GeneLab, przeszukaj inne bazy danych, w tym NIH GEO, EBI Pride i ANL MG-RAST, zaznaczając żądane pola wyboru pod paskiem wyszukiwania.
    UWAGA: Obecnie tylko dla repozytorium GeneLab, użytkownik może wyszukiwać za pomocą następujących kategorii filtrów: Organizmy, Typ testu, Czynniki i Typ projektu.

7. Przechowywanie i przesyłanie interesujących plików do analizy

UWAGA: Przestrzeń robocza GeneLab jest przeznaczona do przechowywania i przesyłania plików bezpośrednio z bazy danych GeneLab (Rysunek uzupełniający 3).

  1. Kliknij "Przestrzeń robocza" w górnej części menu Systemy danych.
  2. Jeśli jesteś nowym użytkownikiem, zarejestruj się, aby założyć nowe konto.
    UWAGA: Przestrzeń robocza GeneLab jest obsługiwana przez GenomeSpace43.
  3. Uzyskaj dostęp do szczegółowych instrukcji dotyczących korzystania z przestrzeni roboczej, wybierając "Pomoc" w górnym menu i klikając Podręcznik użytkownika.
  4. Dla każdego użytkownika uzyskaj dostęp do wszystkich zestawów danych w repozytorium GeneLab, wybierając folder "Public/genelab" w menu po lewej stronie.
  5. Skopiuj interesujące zestawy danych do obszaru roboczego katalogu lokalnego, przechodząc do folderu z interesującymi Cię danymi. Kliknij prawym przyciskiem myszy konkretny plik, wybierz "kopiuj/przenieś" w wyświetlonym menu, wybierz folder, do którego chcesz skopiować plik, a następnie kliknij "kopiuj".
    1. Znajdź następujące zestawy danych powiązane z poprzednią publikacją36 zgodnie z powyższymi instrukcjami i skopiuj je do lokalnego obszaru roboczego: GLDS-21, GLDS-111, GLDS-25 i GLDS-63.

8. Dostęp do metadanych i opisu każdego badania

UWAGA: Pliki metadanych dla każdego zestawu danych w repozytorium GeneLab znajdują się w podfolderze zestawu danych "Public/genelab" w menu po lewej stronie.

  1. Znajdź informacje o metadanych dla interesującego Cię zestawu danych, uzyskując dostęp do co najmniej jednego pliku metadanych zawartego w podfolderze "metadane" każdego zestawu danych. Na przykład dla GLDS-100 w podfolderze "Public/genelab/GLDS-100/metadata" znajdują się 2 pliki: "GLDS-100_metadata_RR1_BIOBANK-Eye-ISA.zip" i "GLDS-100_metadata_RR1ExpDesign.pdf".
    1. Upewnij się, że każdy zestaw danych zawiera pojedynczy spakowany plik, który zawiera metadane zgodnie ze specyfikacją ISATab (która obejmuje standardy MIAME, MIAPE i inne standardy ramowe MIBBI w celu spełnienia minimalnych wymagań dotyczących metadanych). Zawsze kończ ten typ nazwy pliku na "ISA.zip". Na przykład w przypadku GLDS-100 ten plik to "GLDS-100_metadata_RR1_BIOBANK-Eye-ISA.zip".
  2. Użyj narzędzia ISACreator44 lub edytora tekstu, aby wizualizować i uzyskiwać dostęp do metadanych ISATab, które zawierają opis tekstowy metadanych badania i testu dla każdego zestawu danych.
    UWAGA: W metadanych ISATab próbki są opisywane i kojarzone z testami biologicznymi, a testy biologiczne są opisywane i kojarzone z plikami danych wyjściowych.
  3. Sprawdź obecność plików danych testu wyjściowego, które znajdują się w każdym zestawie danych w podfolderach według typu testu. Na przykład w przypadku GLDS-100 pliki testów wyjściowych RNA-Seq znajdują się w folderze "Public/genelab/GLDS-100/transcriptomics/".

9. Analiza danych GeneLab

UWAGA: Różne potoki mogą być implementowane dla różnych danych omicznych. W tym konkretnym przykładzie skupiono się na bezstronnym potoku transkryptomicznym biologii systemów, który służy do określenia "kluczowych czynników" badanego systemu.

  1. Sprawdź wcześniej opublikowane literatures36,45,46,47,48,49,50, aby zrozumieć ten potok.
  2. Po wybraniu określonego zestawu danych do analizy pobierz dane na komputer lokalny za pomocą następującej metody:
    1. Kliknij konkretny zestaw danych.
    2. Kliknij zakładkę "Pliki do nauki" po lewej stronie nagłówków.
    3. Upewnij się, że wszystkie pliki danych i metadane są dostępne w tym menu.
    4. Aby pobrać każdy plik, kliknij określone nazwy plików.
  3. W przypadku zestawów danych mikromacierzy, które zostaną pobrane z GeneLab, należy wykonać następujące kroki przetwarzania wstępnego.
    1. Przetwarzaj surowe dane dla każdego zestawu danych oddzielnie przy użyciu odejmowania tła i kwantylu znormalizowanego przy użyciu RMAExpress51 dla komercyjnych mikromacierzy.
    2. Utwórz wykresy analizy głównych składowych (PCA) za pomocą R, aby określić, jak blisko zgrupowane są ze sobą kontrpróby biologiczne.
    3. Zaimportuj dane do MultiExperiment Viewer52 i najpierw oblicz istotne geny, korzystając ze statystyk współczynnika fałszywych odkryć (FDR), zaczynając od FDR < 0,05. Jeśli w statystykach FDR nie pojawiły się żadne istotne geny, użyj standardowych testów t zaczynających się od wartości p < 0,05, aby określić istotne geny.
    4. Po określeniu statystycznie istotnych regulowanych genów należy zastosować odcięcie od zmiany fałdowania ≥ 1,2 lub ≤ -1,2, aby porównać próbki eksperymentalne z kontrolami.
  4. Użyj analizy wzbogacania zestawu genów (GSEA)53 do przewidywania ścieżek i funkcji.
    1. Użyj GSEA za pośrednictwem GenePattern54,55, bezpośrednio przez GSEA lub przy użyciu środowiska programowania R.
    2. Określ istotnie regulowane szlaki za pomocą następujących zestawów genów: C2, C5 i znaków rozpoznawczych.
    3. Przeprowadzaj najnowocześniejsze analizy znacząco regulowanych zestawów genów i określ wiodące geny związane z każdym porównaniem eksperymentalnym i zestawem genów.
    4. Znajdź wiodące geny, które nakładają się na siebie we wszystkich zestawach genów dla każdego warunku eksperymentalnego.
  5. Użyj innej platformy, aby określić przewidywane funkcje i ścieżki, które są w znacznym stopniu regulowane. W tym przypadku należy użyć analizy ścieżki pomysłowości (IPA), aby określić istotne regulatory nadrzędne, biofunkcje i szlaki kanoniczne.
    1. Prześlij listę genów z wartościami krotności dla statystycznie istotnych genów określonych w kroku 9.4.4.
    2. Postępuj zgodnie z instrukcjami IPA, aby wygenerować regulatory, biofunkcje i ścieżki kanoniczne dla każdego porównania eksperymentalnego.
    3. Określ gen związany z regulatorami, biofunkcjami i szlakami kanonicznymi, które mają wskaźnik aktywacji z-score ≥ 2 (wskazana aktywacja) lub ≤ -2 (wskazująca na hamowanie).
    4. Znajdź nakładające się geny związane ze wszystkimi powyższymi przewidywaniami.
  6. Określ wspólne/nakładające się geny między krokami 9.4 i 9.5.
    UWAGA: Geny te są uważane za geny kluczowe/sterujące kontrolujące większość przewidywanych funkcji i aktywności w analizowanych warunkach eksperymentalnych. Wcześniejsze badania wykazały, że wyeliminowanie lub promowanie tych genów sprawi, że badany stan eksperymentalny lub system stanie się niefunkcjonalny45,46,49.
    1. Zbuduj sieci za pomocą IPA (lub dowolnego oprogramowania do montażu sieci), aby określić łączność genów.
    2. Rozważ najbardziej połączony gen jako centralny węzeł napędzający kluczowe geny.
    3. Aby określić łączność między zestawami danych, zgrupuj wszystkie kluczowe geny w jednej sieci i powtórz test łączności, aby określić centralny węzeł, który występuje wśród wszystkich kluczowych genów ze wszystkich analizowanych zestawów danych.

10. Korzystanie z interfejsu Galaxy56 w GeneLab do analizy danych transkryptomicznych

UWAGA: Tutaj opisany jest protokół korzystania z interfejsu GeneLab Galaxy (dostępny jesienią 2018 r.) do analizy danych transkryptomicznych z GeneLab. Samouczki Galaxy są obfite. Przykładowe tutoriale dotyczące korzystania z Galaxy są dostępne pod adresem: elesewhere57,58.

  1. Użytkownicy mogą logować się do GeneLab przy użyciu danych uwierzytelniających Google lub NASA. Narzędzia GeneLab Galaxy znajdują się w menu "Analizuj".
  2. Postępuj zgodnie z tymi trzema sposobami, aby przenieść dane na platformę GeneLab Galaxy.
    1. Prześlij dane z lokalnego systemu plików za pomocą funkcji "Prześlij dane".
    2. Zaimportuj dane z GeneLab GenomeSpace za pomocą narzędzia importera GenomeSpace w sekcji "Pobierz dane".
      UWAGA: Wszystkie pliki danych GeneLab są dostępne w folderze "publicznym", uporządkowanym według numeru dostępu do zbioru danych (patrz wyżej).
    3. Dane importu znajdują się w sekcji "historia" analizy po prawej stronie. Użytkownicy mogą mieć wiele historii, którymi można zarządzać za pomocą przycisków "Opcje historii" lub "Wyświetl wszystkie historie" w górnej części okienka historii.
  3. Narzędzia do analizy są wymienione i można je przeszukiwać po lewej stronie interfejsu.
  4. Sprawdź, czy zestawy danych zostały zaimportowane do bieżącej historii.
    UWAGA: Wiele szczegółów dotyczących danych jest dostępnych do wglądu dla każdego zestawu danych.
  5. Wybierz narzędzie po lewej stronie, aby wypełnić formularz w środkowym panelu opcjami analizy i specyfikacji danych wejściowych. Utwórz zadania do wykonania analizy, wypełniając formularz i naciskając "Wykonaj".
  6. Sprawdź przesłane zadania, które są reprezentowane w historii i oznaczone kolorami w celu wskazania stanu wykonania (w kolejce, wykonywane, zakończone z błędami lub bez).
  7. Połącz narzędzia ze złożonymi przepływami pracy. Zarządzaj przepływami pracy za pomocą narzędzi znajdujących się w menu "Przepływy pracy". Rysunek 3 pokazuje przykładowy przepływ pracy stworzony do przetwarzania danych sekwencyjnych RNA.
  8. Udostępniaj zestawy danych, przepływy pracy i historie innym osobom za pomocą menu "Udostępnione dane".

Results

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Określenie kluczowych czynników na podstawie danych transkryptomicznych lotów kosmicznych pomoże NASA w określeniu zagrożeń dla zdrowia i opracowaniu potencjalnych środków zaradczych w celu zwalczania negatywnego wpływu na zdrowie astronautów. W naszej ostatniej publikacji wykonaliśmy powyższe kroki i wykorzystaliśmy zestawy danych GeneLab, aby z powodzeniem pokazać nowe odkrycie, że stężenia CO2 na ISS mogą wpływać na zdrowie36. Wykorzystaliśmy również powyższą technikę w innych badaniach, aby z powodzeniem określić kluczowe czynniki napędzające badany system45,46,47,48,49,50. Tutaj pokażemy, w jaki sposób wyniki z użycia tego protokołu można z powodzeniem wykorzystać do określenia kluczowych czynników.

W tym badaniu skupiliśmy się przede wszystkim na różnicach biologicznych, które występują u gryzoni trzymanych w kontrolach naziemnych dla gryzoni i w kontrolach wiwariów. Jak opisano powyżej, jest to klucz do lepszego zrozumienia tych dwóch siedlisk, co dostarczy nam informacji na temat możliwych czynników zakłócających, które mogą wpływać na zdrowie ze względu na środowisko na ISS. W przypadku wszystkich eksperymentów z lotami kosmicznymi gryzoni, te naziemne kontrole są również niezbędne do określenia, które czynniki biologiczne są bezpośrednio związane z lotami kosmicznymi lub ze względu na warunki środowiskowe na ISS. Jak stwierdzono w protokole, warunki środowiskowe siedliska wiwarium nie są narażone na wyższy poziom CO2 , który występuje w siedlisku gryzoni. Siedlisko wiwarium ma normalny poziom CO2 obecny na Ziemi (obecnie wynosi od 300 do 380 ppm). Temperatura i wilgotność w obu siedliskach są podobne.

Użyliśmy następujących zestawów danych z platformy GeneLab, aby określić kluczowe geny między gryzoniami umieszczonymi w naziemnych kontrolach siedlisk gryzoni a kontrolami naziemnymi wiwariów, które są odpowiedzialne za napędzanie różnic między dwoma siedliskami: GLDS-21, GLDS-111, GLDS-25 i GLDS-63. Analizę w celu określenia istotnych genów przeprowadzono zgodnie z powyższym opisem między siedliskiem gryzoni (dawniej AEM) a grupą kontrolną wiwarium niezależnie dla każdego zestawu danych. Wykresy PCA pokazały grupowanie replik biologicznych (Rysunek 4 pokazuje wykresy PCA dla GLDS-21). Na podstawie wstępnie przetworzonych danych określiliśmy wiodące geny z różnych zestawów genów GSEA. Korzystając z genów z 1,2-krotną zmianą (log2), byliśmy w stanie przewidzieć geny zaangażowane w przewidywania dotyczące regulatorów wyższego szczebla, szlaków kanonicznych i biofunkcji. Dla każdego zestawu danych znaleźliśmy następnie wspólne/nakładające się geny zaangażowane we wszystkie geny (Rysunek 5). Obecnie uważa się, że geny te napędzają reakcję między gryzoniami w siedliskach gryzoni (lub AEM) a kontrolami wiwariów. Sieciowa reprezentacja sposobu, w jaki te kluczowe geny się łączą, pokazuje centralne węzły dla każdego analizowanego zestawu danych (Rysunek 6). Na przykład MAPK1 jest centralnym węzłem dla tkanek mięśni szkieletowych STS-108 od myszy (Figura 6A). Byłoby to interpretowane jako gen, który napędza kluczowe geny i najprawdopodobniej jest głównym graczem powodującym różnice biologiczne u myszy trzymanych w siedliskach gryzoni w porównaniu z klatkami wiwarium. W naszej poprzedniej pracy omówiliśmy, w jaki sposób te kluczowe geny są powiązane z odpowiedzią na CO2 na podstawie istniejącej literatury naukowej i jak te geny mogą być odpowiedzialne za zmiany biologiczne obserwowane u myszy36.

Przyjmując podejście do biologii systemowej, następnie określiliśmy "główny regulator", który łączy wszystkie zestawy danych/tkanki i jest potencjalnie odpowiedzialny za uniwersalne efekty biologiczne u gryzoni trzymanych w AEM w porównaniu do klatek wiwariowych. Dokonano tego poprzez określenie genu ze wszystkich zestawów danych, który jest najbardziej połączony podczas konstruowania sieci ze wszystkich kluczowych genów. Udało nam się wykazać, że MAPK1 jest najbardziej połączonym genem i centralnym węzłem ze wszystkich kluczowych genów (Rysunek 7). Aby potwierdzić, czy MAPK1 może być odpowiedzialny za zmiany biologiczne u myszy wynikające z wyższych poziomów CO2 w AEM, przejrzeliśmy literaturę naukową w poszukiwaniu dowodów potwierdzających. Znaleźliśmy kilka badań wskazujących na korelację MAPK1 z CO259 i hypoxia19,60,61.

figure-results-1
Rysunek 1: Siedlisko gryzoni (poprzednio AEM) w porównaniu do klatek wiwariowych.(A) Zdjęcie klatki AEM dostarczone przez NASA (Credits: NASA/Dominic Hart). (B) Standardowa klatka wiwarium, która jest obecnie używana (zdjęcie wykonane przez nasze laboratorium). Ten rysunek został zmodyfikowany z Beheshti et al.36. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

figure-results-2
Rysunek 2: System sprzętowy dla gryzoni z trzema różnymi modułami zaangażowanymi podczas transportu do i z misji kosmicznych. Lewy moduł (A) to moduł siedliska gryzoni (dawniej AEM), moduł środkowy (B) to transporter, a prawy moduł (C) to jednostka dostępu do zwierząt (AAU). orazSkrzynka transferowa myszy (MTB). (Kredyty: NASA/Dominic Hart). Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

figure-results-3
Rysunek 3: Przykładowy proces analizy, który może być wykorzystany w interfejsie GeneLab Galaxy do przetwarzania danych sekwencyjnych RNA. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

figure-results-4
Rysunek 4: Analiza głównych składowych (PCA) reprezentatywnego zbioru danych po wstępnym przetwarzaniu. Zestaw danych GLDS-21 dla AEM i klatki wiwarium jest pokazany dla mysich mięśni szkieletowych z misji STS-118. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

figure-results-5
Rysunek 5: Diagram Venna przedstawiający, jakie kluczowe geny są określane za pomocą różnych narzędzi do przewidywania ścieżek. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

figure-results-6
Rysunek 6: Kluczowe geny określone dla wszystkich schorzeń i tkanek myszy między AEM a AEM. klatki wiwariowe. (A-E) Sieciowa reprezentacja kluczowych genów dla każdego zestawu danych/tkanki gryzonia. Logarytmiczne zmiany krotności (z odcięciem 1,2-krotnej zmiany) ekspresji genów wykorzystano do uzyskania różnych odcieni zieleni dla zmiany fałdowania w genach regulowanych w dół, podczas gdy różne odcienie czerwieni obrazują zmianę fałdowania w genach regulowanych w górę. Im ciemniejszy odcień zieleni lub czerwieni, tym większa zmiana fałdowania. Ten rysunek został zmodyfikowany z Beheshti et al.36. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

figure-results-7
Rysunek 7: Określanie "głównego regulatora" dla gryzoni w pomieszczeniach dla gryzoni w porównaniu do klatek dla gryzoni. Połączenia między wszystkimi poszczególnymi kluczowymi genami (Ryc. 6) zostały określone i wyświetlone jako sieć za pomocą IPA. Sieć jest reprezentowana jako wykres promienisty z najbardziej połączonym kluczowym genem, MAPK1, w środku. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

Uzupełniający Rysunek 1: Integracja GeneLab-GenomeSpace z ISACreator w celu usprawnienia operacji przetwarzania danych. Kliknij tutaj, aby pobrać ten rysunek.

Uzupełniające Rysunek 2: Zrzut ekranu wyszukiwania GeneLab przy użyciu federacji/integracji z heterogenicznymi zewnętrznymi bazami danych bioinformatycznych (GEO, PRIDE, MG-RAST). Kliknij tutaj, aby pobrać ten rysunek

Uzupełniające Rysunek 3: Zrzut ekranu przedstawiający wspólną przestrzeń roboczą GeneLab pokazującą zarządzanie kontami użytkowników i kontrolę dostępu (np. foldery prywatne, współdzielone, publiczne). Kliknij tutaj, aby pobrać ten rysunek

Discussion

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Platforma NASA GeneLab to kompleksowa omiczna baza danych i platforma analizy, która pozwoli społeczności naukowej na generowanie nowych hipotez związanych z biologią kosmiczną. W tym miejscu przedstawiliśmy kompleksową procedurę eksperymentów na gryzoniach od początku lotów kosmicznych do wygenerowania nowej hipotezy na podstawie analizy danych z wykorzystaniem publicznie dostępnej platformy biologii kosmicznej. Ponadto dostarczyliśmy również obszerny protokół dotyczący bezstronnej analizy biologii systemowej w celu identyfikacji kluczowych genów napędzających badany system. Wykorzystaliśmy nasze ostatnie badanie36 jako przykład tego, jak ten protokół jest skutecznie wykorzystywany do generowania nowej hipotezy dla biologii kosmicznej. Mamy nadzieję, że pomoże to badaczom lepiej zrozumieć, w jaki sposób przeprowadzane są eksperymenty lotów kosmicznych i jak dane z nich prowadzą do danych dostępnych w GeneLab, a ostatecznie pozwoli na jaśniejszą interpretację publicznie dostępnych danych omicznych z zakresu biologii kosmicznej.

W naszym protokole znajduje się kilka krytycznych kroków dotyczących zarówno eksperymentów z lotami kosmicznymi gryzoni, jak i analizy uzyskanych danych. Zrozumienie konfiguracji siedliska gryzoni ma kluczowe znaczenie dla opracowania i zaprojektowania optymalnego eksperymentu dla lotów kosmicznych. Wiązałoby się to w szczególności z protokołem i opisem, które przedstawiliśmy w kroku 1 naszego protokołu. Gdy badacz w pełni zrozumie różne warunki panujące w siedliskach gryzoni w porównaniu z klatkami wiwariowymi, interpretowane wyniki biologiczne mogą być odpowiednio skorelowane z warunkami środowiskowymi w kosmosie. Ponadto nie można dokonywać modyfikacji siedliska gryzoni, ponieważ siedlisko gryzoni zostało optymalnie zaprojektowane i zatwierdzone przez NASA do użytku w lotach kosmicznych.

Aby zinterpretować wyniki biologiczne, dostarczyliśmy dokładny protokół na każdym etapie, od przesłania danych do GeneLab po analizę danych w celu wygenerowania nowej hipotezy biologii kosmicznej. Chociaż wszystkie kroki są ważne dla zrozumienia, jak generować dane, najbardziej krytycznymi krokami analizy danych są kroki 9 i 10. Krok 9 zawiera protokół analizy danych transkryptomicznych przy użyciu bezstronnej metody biologii systemowej w celu określenia genów/ścieżek, które naprawdę napędzają analizowany stan eksperymentalny. Krok 10 ma kluczowe znaczenie, ponieważ zapewnia użytkownikom łatwą metodologię analizy zestawów danych omicznych GeneLab przy użyciu platformy GeneLab. Modyfikacje dostarczonego protokołu można wykonać dla niektórych kroków dotyczących analizy danych. W szczególności kroki 9.4–9.6 można wykonać przy użyciu programowania w języku R lub innych ulubionych narzędzi preferowanych przez użytkownika. W zależności od zestawu danych, różne statystyki i punkty odcięcia zmiany fałdowania mogą być używane do określenia istotnie regulowanych genów. Ponadto, w celu określenia kluczowych genów w krokach 9.5 i 9.6, użytkownik może zmodyfikować ten protokół i użyć dowolnego narzędzia, które wykorzystuje znacząco regulowane geny do przewidywania funkcji. Ważną koncepcją jest to, że użycie wielu predykcyjnych narzędzi omiki funkcjonalnej pozwala na określenie genów zaangażowanych w większość funkcji regulowanych w badanym systemie.

Platforma GeneLab wciąż się rozwija i choć opisane tu analizy zostały wykonane po pobraniu danych, to kolejna faza GeneLab pozwoli na analizę danych omicznych bezpośrednio na platformie GeneLab, co zapewni łatwy przepływ pracy w celu generowania przetworzonych danych do analizy wyższego rzędu. Ponadto, podczas gdy skupiliśmy się na protokole interpretacji danych transkryptomicznych, GeneLab zawiera szeroką gamę danych omicznych, w tym dane proteomiczne, genomiczne, metabolomiczne i epigenomiczne. Ostateczna platforma będzie zawierać potoki i wytyczne do analizy tych różnych rodzajów omiki. Ostatnia faza GeneLab zaimplementuje również interfejs wizualizacji na poziomie systemu, aby umożliwić podstawowemu użytkownikowi łatwe generowanie hipotez biologii kosmicznej.

Wreszcie, nasza analiza biologii systemowej zapewnia unikalną i bezstronną metodę określania kluczowych genów/szlaków napędzających w dowolnym systemie badanym przy użyciu zestawów danych omicznych. Zastosowaliśmy tę metodologię w kilku różnych niezależnych badaniach z dużym sukcesem, aby określić kluczowe czynniki zaangażowane w ten proces 36,45,46,47,48,49,50. W badaniu omicznym związanym z rakiem, stosując tę metodologię, eksperymentalnie potwierdziliśmy, że nasze przewidywane kluczowe geny/szlaki faktycznie napędzają odpowiedź na leczenie farmakologiczne poprzez wyeliminowanie kluczowych genów in vitro45. Zaobserwowaliśmy, zgodnie z naszymi przewidywaniami w tym protokole, że leczenie nie było już skuteczne ze względu na brak kluczowych genów. Wierzymy, że ten bezstronny protokół biologii systemowej może być użytecznym narzędziem do określenia kluczowych ścieżek dla każdego badania omicznego.

Protokół ten zapewnia szybką i skuteczną metodę generowania nowatorskich hipotez z zakresu biologii kosmicznej. Dane wygenerowane przez GeneLab mogą być wykorzystane przez badaczy do przyszłych możliwości finansowania, walidacji eksperymentalnej i potencjalnych celów rozwoju środków zaradczych przeciwko mikrograwitacji i promieniowaniu kosmicznemu. Przedstawiony tutaj protokół pozwoli na prowadzenie w przyszłości badań biologii kosmicznej z optymalną wydajnością, co pozwoli na bezpieczne, długoterminowe misje kosmiczne.

Disclosures

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Autorzy nie mają nic do ujawnienia.

Acknowledgements

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Chcielibyśmy podziękować Alison French z NASA Ames Life Science Data Archive za pomoc w zdobyciu filmu związanego z siedliskami gryzoni i ogólną pomoc w uzyskaniu informacji związanych z klatkami. Chcielibyśmy również podziękować Marli Smithwick z NASA Ames Research Center za jej pomoc w uzyskaniu odpowiednich informacji. Finansowanie badań zostało zapewnione przez projekt GeneLab w NASA Ames Research Center, za pośrednictwem Programu Biologii Kosmicznej NASA w Wydziale Badań i Zastosowań Życia Kosmicznego i Nauk Fizycznych (SLPSRA). Jakiekolwiek użycie nazw handlowych służy wyłącznie celom opisowym i nie oznacza poparcia ze strony rządu Stanów Zjednoczonych.

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
Myszy C57BL/6Myszy Jackson LaboratoyC57BL/6JC57BL/6 wykorzystano do zestawów danych związanych z eksperymentami Rodent Research-1
Myszy BALB/CTaconicBALBMyszy BALB/C wykorzystano do zestawów danych związanych z eksperymentami Rodent Research-3
Klatki wiwariumCharles River LaboratoryStandardowe klatki mysie zakupione w Charles River Laboratory
Rodent HabitatTa klatka i wszystkie komponenty są zbudowane wewnętrznie w NASA
RNAlaterThermoFisher ScientificAM7020RNAlater służy do przechowywania tkanki do dalszej izolacji RNA
NASA:

References

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. GeneLab. , genelab.nasa.gov (2018).
  2. Cortese, F. Vive la radioresistance!: converging research in radiobiology and biogerontology to enhance human radioresistance for deep space exploration and colonization. Oncotarget. 9 (18), 14692-14722 (2018).
  3. Beheshti, A. NASA GeneLab Project: Bridging Space Radiation Omics with Ground Studies. Radiation Research. , (2018).
  4. Fernandez-Gonzalo, R., Baatout, S., Moreels, M. Impact of Particle Irradiation on the Immune System: From the Clinic to Mars. Frontiers in Immunology. 8, 177(2017).
  5. Bloomfield, S. A., Martinez, D. A., Boudreaux, R. D., Mantri, A. V. Microgravity Stress: Bone and Connective Tissue. Comprehensive Physiology. 6, 645-686 (2016).
  6. Giuliani, A. High-Resolution X-Ray Tomography: A 3D Exploration Into the Skeletal Architecture in Mouse Models Submitted to Microgravity Constraints. Frontiers in Physiology. 9, 181(2018).
  7. Boice, J. D. Jr The Final Frontier-Research Relevant to Mars. Health Physics. 112 (4), 392-397 (2017).
  8. Chancellor, J. C. Limitations in predicting the space radiation health risk for exploration astronauts. NPJ Microgravity. 4, 8(2018).
  9. Cucinotta, F. A. Space radiation risks for astronauts on multiple International Space Station missions. PLoS One. 9 (4), e96099(2014).
  10. Cucinotta, F. A. Review of NASA approach to space radiation risk assessments for Mars exploration. Health Physics. 108 (2), 131-142 (2015).
  11. Frippiat, J. P. Towards human exploration of space: The THESEUS review series on immunology research priorities. NPJ Microgravity. 2, 16040(2016).
  12. Goel, N. Effects of sex and gender on adaptation to space: behavioral health. Journal of Women's Health (Larchmt). 23 (11), 975-986 (2014).
  13. Mortazavi, S. M. J., Bevelacqua, J. J., Fornalski, K. W., Welsh, J., Doss, M. Comments on "Space: The Final Frontier-Research Relevant to Mars". Health Physics. 114 (3), 344-345 (2018).
  14. Blottner, D. Morphological, physiological and behavioural evaluation of a 'Mice in Space' housing system. Journal of Comparative Physiology B. 179 (4), 519-533 (2009).
  15. Karouia, F., Peyvan, K., Pohorille, A. Toward biotechnology in space: High-throughput instruments for in situ biological research beyond Earth. Biotechnology Advances. 35 (7), 905-932 (2017).
  16. Shen, H. Effects of spaceflight on the muscles of the murine shoulder. The FASEB Journal. 31 (12), 5466-5477 (2017).
  17. Spatz, J. M. Sclerostin antibody inhibits skeletal deterioration in mice exposed to partial weight-bearing. Life Sciences in Space Research (Amst). 12, 32-38 (2017).
  18. Tascher, G. Proteome-wide Adaptations of Mouse Skeletal Muscles during a Full Month in Space. Journal of Proteome Research. 16 (7), 2623-2638 (2017).
  19. Pecaut, M. J. Is spaceflight-induced immune dysfunction linked to systemic changes in metabolism? PLoS One. 12 (5), e0174174(2017).
  20. Ward, C. Effects of spaceflight on the immunoglobulin repertoire of unimmunized C57BL/6 mice. Life Sciences in Space Research (Amst). 16, 63-75 (2018).
  21. Rettig, T. A., Ward, C., Pecaut, M. J., Chapes, S. K. Validation of Methods to Assess the Immunoglobulin Gene Repertoire in Tissues Obtained from Mice on the International Space Station. Gravitational and Space Research. 5 (1), 2-23 (2017).
  22. Allen, D. L. Effects of spaceflight on murine skeletal muscle gene expression. Journal of Applied Physiology (1985). 106 (2), 582-595 (2009).
  23. Moyer, E. L. Evaluation of rodent spaceflight in the NASA animal enclosure module for an extended operational period (up to 35 days). NPJ Microgravity. 2, 16002(2016).
  24. Shimbo, M. Ground-based assessment of JAXA mouse habitat cage unit by mouse phenotypic studies. Experimental Animals. 65 (2), 175-187 (2016).
  25. Aseyev, N. Adaptive Changes in the Vestibular System of Land Snail to a 30-Day Spaceflight and Readaptation on Return to Earth. Frontiers in Cellular Neuroscience. 11, 348(2017).
  26. Markina, E., Andreeva, E., Andrianova, I., Sotnezova, E., Buravkova, L. Stromal and Hematopoietic Progenitors from C57/BI/6N Murine Bone Marrow After 30-Day "BION-M1" Spaceflight. Stem Cells and Development. , (2018).
  27. Radugina, E. A. Exposure to microgravity for 30 days onboard Bion M1 caused muscle atrophy and impaired regeneration in murine femoral Quadriceps. Life Sciences in Space Research (Amst). 16, 18-25 (2018).
  28. Albi, E. Reinterpretation of mouse thyroid changes under space conditions: the contribution of confinement to damage. Astrobiology. 14 (7), 563-567 (2014).
  29. Cancedda, R. The Mice Drawer System (MDS) experiment and the space endurance record-breaking mice. PLoS One. 7 (5), e32243(2012).
  30. Neutelings, T. Skin physiology in microgravity: a 3-month stay aboard ISS induces dermal atrophy and affects cutaneous muscle and hair follicles cycling in mice. NPJ Microgravity. 1, 15002(2015).
  31. Anselm, V., Novikova, S., Zgoda, V. Re-adaption on Earth after Spaceflights Affects the Mouse Liver Proteome. International Journal of Molecular Sciences. 18 (8), (2017).
  32. Baqai, F. P. Effects of spaceflight on innate immune function and antioxidant gene expression. Journal of Applied Physiology (1985). 106 (6), 1935-1942 (2009).
  33. Blaber, E. A., Pecaut, M. J., Jonscher, K. R. Spaceflight Activates Autophagy Programs and the Proteasome in Mouse Liver. International Journal of Molecular Sciences. 18 (10), (2017).
  34. Jonscher, K. R. Spaceflight Activates Lipotoxic Pathways in Mouse Liver. PLoS One. 11 (4), e0152877(2016).
  35. Moskaleva, N. Spaceflight Effects on Cytochrome P450 Content in Mouse Liver. PLoS One. 10 (11), e0142374(2015).
  36. Beheshti, A., Cekanaviciute, E., Smith, D. J., Costes, S. V. Global transcriptomic analysis suggests carbon dioxide as an environmental stressor in spaceflight: A systems biology GeneLab case study. Scientific Reports. 8 (1), 4191(2018).
  37. National Resource Council. Nutrient Requirements of Laboratory Animals, Fourth Revised Edition, 1995. , The National Academies Press. (1995).
  38. NASA GeneLab Data System. , https://genelab-data.ndc.nasa.gov/genelab/ (2018).
  39. GeneLab FAQ. , https://genelab.nasa.gov/faq/#6 (2018).
  40. GeneLab Workspace. , https://genelab.nasa.gov/faq/#6 (2017).
  41. GeneLab Data Submission Guide. , https://genelab-data.ndc.nasa.gov/genelab/help/GeneLab_Submission_Guide_2.0.pdf (2017).
  42. GeneLab repository. , https://genelab-data.ndc.nasa.gov/genelab/projects (2017).
  43. Qu, K. Integrative genomic analysis by interoperation of bioinformatics tools in GenomeSpace. Nature Methods. 13 (3), 245-247 (2016).
  44. ISACreator. , https://isa-tools.org/category/isacreator/index.html (2014).
  45. Ravi, D. Proteasomal Inhibition by Ixazomib Induces CHK1 and MYC-Dependent Cell Death in T-cell and Hodgkin Lymphoma. Cancer Research. 76 (11), 3319-3331 (2016).
  46. Wage, J. Proton irradiation impacts age-driven modulations of cancer progression influenced by immune system transcriptome modifications from splenic tissue. Journal of Radiation Research. 56 (5), 792-803 (2015).
  47. Beheshti, A. Tumor-host signaling interaction reveals a systemic, age-dependent splenic immune influence on tumor development. Oncotarget. 6 (34), 35419-35432 (2015).
  48. Beheshti, A., Neuberg, D., McDonald, J. T., Vanderburg, C. R., Evens, A. M. The Impact of Age and Sex in DLBCL: Systems Biology Analyses Identify Distinct Molecular Changes and Signaling Networks. Cancer Informatics. 14, 141-148 (2015).
  49. Beheshti, A. Host age is a systemic regulator of gene expression impacting cancer progression. Cancer Research. 75 (6), 1134-1143 (2015).
  50. Beheshti, A., Peluso, M., Lamont, C., Hahnfeldt, P., Hlatky, L. Proton irradiation augments the suppression of tumor progression observed with advanced age. Radiation Research. 181 (3), 272-283 (2014).
  51. Bolstad, B. M., Irizarry, R. A., Astrand, M., Speed, T. P. A comparison of normalization methods for high density oligonucleotide array data based on variance and bias. Bioinformatics. 19 (2), 185-193 (2003).
  52. Saeed, A. I. TM4 microarray software suite. Methods in Enzymology. 411, 134-193 (2006).
  53. Subramanian, A. Gene set enrichment analysis: a knowledge-based approach for interpreting genome-wide expression profiles. Proceedings of the National Academy of Sciences of the United States of America. 102 (43), 15545-15550 (2005).
  54. Kuehn, H., Liberzon, A., Reich, M., Mesirov, J. P. Using GenePattern for gene expression analysis. Current Protocols in Bioinformatics. , Chapter 7 Unit 7 12 (2008).
  55. Reich, M. GenePattern 2.0. Nature Genetics. 38 (5), 500-501 (2006).
  56. Afgan, E. The Galaxy platform for accessible, reproducible and collaborative biomedical analyses: 2016 update. Nucleic Acids Research. 44 (W1), W3-W10 (2016).
  57. Introduction to Genomics and Galaxy. , http://galaxyproject.github.io/training-material/topics/introduction/tutorials/galaxy-intro-strands/tutorial.html (2018).
  58. Galaxy 101. , http://galaxyproject.github.io/training-material/topics/introduction/tutorials/galaxy-intro-101/tutorial.html (2018).
  59. Xu, Y. J., Elimban, V., Dhalla, N. S. Suppression of phosphorylated MAPK and caspase 3 by carbon dioxide. Molecular and Cellular Biochemistry. 436 (1-2), 23-28 (2017).
  60. Sang, N. MAPK signaling up-regulates the activity of hypoxia-inducible factors by its effects on p300. Journal of Biological Chemistry. 278 (16), 14013-14019 (2003).
  61. Seta, K. A., Kim, R., Kim, H. W., Millhorn, D. E., Beitner-Johnson, D. Hypoxia-induced regulation of MAPK phosphatase-1 as identified by subtractive suppression hybridization and cDNA microarray analysis. Journal of Biological Chemistry. 276 (48), 44405-44412 (2001).

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Tags

Spaceflight Mouse PhysiologyGeneLab PlatformRodent HabitatsTranscriptomic Data AnalysisPrinciple Component AnalysisGene Set EnrichmentNetwork RepresentationSystems Biology ApproachCarbon Dioxide EffectsPublic Data Access

Related Articles