Artykuł metodologiczny

Poruszanie się po MARRVEL, narzędziu internetowym, które integruje informacje z genomiki człowieka i genetyki organizmów modelowych

DOI:

10.3791/59542

⸱

15 sierpnia 2019

 ,  ,  , 
1Program in Developmental Biology, Baylor College of Medicine, 2Medical Scientist Training Program, Baylor College of Medicine, 3Department of Pediatrics, Baylor College of Medicine, 4Jan and Dan Duncan Neurological Research Institute, Texas Children's Hospital, 5Department of Molecular and Human Genetics, Baylor College of Medicine, 6Department of Neuroscience, Baylor College of Medicine, 7Howard Hughes Medical Institute, Baylor College of Medicine

W tym artykule

Podsumowanie

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

Tutaj prezentujemy protokół umożliwiający efektywny dostęp i analizę wielu baz danych organizmów ludzkich i modelowych. Protokół ten demonstruje wykorzystanie MARRVEL do analizy potencjalnych wariantów wywołujących chorobę zidentyfikowanych w wyniku sekwencjonowania nowej generacji.

Streszczenie

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

Poprzez sekwencjonowanie całego eksomu/genomu, genetycy identyfikują rzadkie warianty, które segregują się z fenotypami choroby. Aby ocenić, czy dany wariant jest chorobotwórczy, należy przeszukać wiele baz danych, aby ustalić, czy interesujący nas gen jest powiązany z chorobą genetyczną, czy konkretny wariant był wcześniej zgłaszany i jakie dane funkcjonalne są dostępne w bazach danych organizmów modelowych, które mogą dostarczyć wskazówek na temat funkcji genu u człowieka. MARRVEL (Model organism Aggregated Resources for Rare Variant ExpLoration) to kompleksowe narzędzie do gromadzenia danych o ludzkich genach i wariantach oraz ich genach ortologicznych w siedmiu organizmach modelowych, w tym u myszy, szczurów, danio pręgowanego, muszki owocowej, nicieni, drożdży rozszczepiających i drożdży pączkujących. W niniejszym Protokole przedstawiamy przegląd tego, do czego można wykorzystać MARRVEL i omawiamy, w jaki sposób różne zestawy danych mogą być wykorzystane do oceny, czy wariant o nieznanym znaczeniu (VUS) w znanym genie powodującym chorobę lub wariant genu o niepewnym znaczeniu (GUS) może być patogenny. Protokół ten poprowadzi użytkownika przez przeszukiwanie wielu ludzkich baz danych jednocześnie, zaczynając od ludzkiego genu z wariantem zainteresowania lub bez niego. Omawiamy również, jak wykorzystać dane z OMIM, ExAC/gnomAD, ClinVar, Geno2MP, DGV i DECHIPHER. Ponadto pokazujemy, jak interpretować listę ortologicznych genów kandydujących, wzorców ekspresji i terminów GO w organizmach modelowych związanych z każdym ludzkim genem. Ponadto omawiamy wartościowe adnotacje domen strukturalnych białek i wyjaśniamy, jak korzystać z funkcji dopasowania białek wielogatunkowych, aby ocenić, czy wariant będący przedmiotem zainteresowania wpływa na ewolucyjnie konserwowaną domenę lub aminokwas. Na koniec omówimy trzy różne przypadki użycia tej witryny. MARRVEL to łatwo dostępna strona internetowa o otwartym dostępie, przeznaczona zarówno dla badaczy klinicznych, jak i badaczy podstawowych, służąca jako punkt wyjścia do projektowania eksperymentów na potrzeby badań funkcjonalnych.

Wprowadzenie

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

Wykorzystanie technologii sekwencjonowania nowej generacji rozszerza się zarówno w laboratoriach badawczych, jak i klinicznych laboratoriów genetycznych1. Analizy sekwencjonowania całego eksomu (WES) i całego genomu (WGS) ujawniają liczne rzadkie warianty o nieznanym znaczeniu (VUS) w znanych genach powodujących chorobę, a także warianty w genach, które nie są jeszcze powiązane z chorobą Mendla (GUS: geny o niepewnym znaczeniu). Po otrzymaniu listy genów i wariantów w raporcie sekwencji klinicznej, genetycy medyczni muszą ręcznie odwiedzić wiele zasobów internetowych, aby uzyskać więcej informacji i ocenić, który wariant może być odpowiedzialny za określony fenotyp obserwowany u interesującego pacjenta. Proces ten jest czasochłonny, a jego skuteczność w dużym stopniu zależy od wiedzy specjalistycznej danej osoby. Chociaż opublikowano kilka wytycznych2,3, interpretacja WES i WGS wymaga ręcznego nadzoru, ponieważ nie ma jeszcze ustandaryzowanej metodologii analizy wariantów. Dla interpretacji VUS cenna staje się wiedza na temat wcześniej zgłoszonej zależności genotyp-fenotyp, sposobu dziedziczenia i częstości alleli w populacji ogólnej. Ponadto wiedza na temat tego, czy wariant wpływa na krytyczną domenę białkową, czy na ewolucyjnie zachowaną pozostałość, może zwiększyć lub zmniejszyć prawdopodobieństwo patogenności. Aby zebrać wszystkie te informacje, zazwyczaj trzeba poruszać się po 10-20 bazach danych organizmów ludzkich i modelowych, ponieważ informacje są rozproszone w sieci WWW.

Podobnie, naukowcy zajmujący się modelowymi organizmami, którzy pracują nad konkretnymi genami i szlakami, są często zainteresowani powiązaniem swoich odkryć z mechanizmami chorób ludzkich i chcą skorzystać z wiedzy, która jest generowana w dziedzinie genomiki człowieka. Jednak ze względu na szybką ekspansję i ewolucję zestawów danych dotyczących ludzkiego genomu, trudno było zidentyfikować bazy danych, które dostarczają przydatnych informacji. Ponadto, ponieważ większość baz danych organizmów modelowych jest przeznaczona dla badaczy, którzy na co dzień pracują z konkretnym organizmem, na przykład badaczowi myszy bardzo trudno jest wyszukać określone informacje w bazie danych Drosophila i odwrotnie. Podobnie jak w przypadku poszukiwań interpretacji wariantów przeprowadzanych przez genetyków medycznych, identyfikacja użytecznych informacji o ludziach i innych organizmach modelowych jest czasochłonna i w dużym stopniu zależy od doświadczenia badacza organizmu modelowego. MARRVEL (Model organism Aggregated Resources for Rare Variant ExpLoration)4 to narzędzie przeznaczone dla obu grup użytkowników w celu usprawnienia ich przepływu pracy.

MARRVEL (http://marrvel.org) został zaprojektowany jako scentralizowana wyszukiwarka, która systematycznie zbiera dane dla klinicystów i badaczy w efektywny i spójny sposób. Dzięki informacjom z 20 lub więcej publicznie dostępnych baz danych, program ten pozwala użytkownikom szybko zbierać informacje i uzyskiwać dostęp do dużej liczby baz danych organizmów ludzkich i modelowych bez konieczności wielokrotnego wyszukiwania. Strony wyników wyszukiwania zawierają również hiperłącza do oryginalnych źródeł informacji, umożliwiając osobom fizycznym dostęp do surowych danych i gromadzenie dodatkowych informacji dostarczonych przez źródła.

W przeciwieństwie do wielu wariantów narzędzi do priorytetyzacji, które wymagają wprowadzania dużych danych sekwencjonowania w postaci plików VCF lub BAM i instalacji często zastrzeżonego/komercyjnego oprogramowania, MARRVEL działa na dowolnej przeglądarce internetowej. Można z niego korzystać bezpłatnie i jest kompatybilny z urządzeniami przenośnymi (np. smartfonami, tabletami), o ile są one podłączone do Internetu. Wybraliśmy ten format, ponieważ wielu klinicystów i badaczy zazwyczaj musi przeszukiwać jeden lub kilka genów i wariantów na raz. Należy pamiętać, że rozwijamy funkcje pobierania wsadowego i API (interfejsu programowania aplikacji) dla MARRVEL, aby ostatecznie umożliwić użytkownikom zarządzanie setkami genów i wariantów jednocześnie za pomocą niestandardowych narzędzi do zapytań, jeśli to konieczne.

Ze względu na szeroki zakres zastosowań, w tym protokole, opiszemy szeroko zakrojone podejście do nawigacji po różnych zestawach danych, które wyświetla MARRVEL. Bardziej ukierunkowane przykłady, które są dostosowane do konkretnych potrzeb użytkowników, zostaną opisane w sekcji Reprezentatywne wyniki. Należy zauważyć, że wyniki projektu MARRVEL nadal wymagają pewnego poziomu wiedzy podstawowej z zakresu genetyki człowieka lub organizmów modelowych w celu uzyskania cennych informacji. Odsyłamy czytelników do tabeli zawierającej listę podstawowych artykułów, które opisują funkcję każdej z oryginalnych baz danych, które są kuratorowane przez MARRVEL (Tabela 1). Poniższy protokół jest podzielony na trzy sekcje: (1) Jak rozpocząć poszukiwania, (2) jak interpretować wyniki badań genetycznych człowieka w ramach projektu MARRVEL oraz (3) jak wykorzystać dane dotyczące organizmów modelowych w badaniu MARRVEL. W sekcji "Reprezentatywne wyniki" opisano bardziej ukierunkowane i szczegółowe podejścia. MARRVEL jest aktywnie aktualizowany, dlatego prosimy o zapoznanie się z aktualną stroną FAQ na stronie internetowej, aby uzyskać szczegółowe informacje na temat źródeł danych. Zdecydowanie zalecamy użytkownikom MARRVEL zarejestrowanie się w celu otrzymywania powiadomień o aktualizacjach za pośrednictwem formularza zgłoszeniowego e-mail znajdującego się na dole strony głównej MARRVEL.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Protokół

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

1. Jak rozpocząć wyszukiwanie

  1. Aby uzyskać informacje o ludzkim genie i wyszukiwaniu opartym na wariantach, przejdź do kroków 1.1.1.-1.1.2. W przypadku wyszukiwania opartego na ludzkich genach (bez wprowadzania wariantów) przejdź do kroku 1.2. Aby zapoznać się z wyszukiwaniem genów organizmu modelowego, zapoznaj się z krokami 1.3.1.-1.3.2.
    1. Przejdź do strony głównej MARRVEL4 pod adresem http://marrvel.org/. Zacznij od wpisania symbolu ludzkiego genu. Upewnij się, że nazwy genów kandydujących są wymienione poniżej pola wprowadzania przy każdym wpisie znaku. Jeśli wynik wyszukiwania jest negatywny, upewnij się, że użyty symbol genu jest aktualny, korzystając ze strony internetowej Komitetu ds. Nomenklatury Genów HUGO 5 (HGNC; https://www.genenames.org/).
    2. Wprowadź wariant ludzki. Pasek wyszukiwania jest kompatybilny z dwoma typami nomenklatury wariantów: lokalizacja genomu podobna do tego, jak warianty są wyświetlane w ExAC i GnomAD6 oraz nomenklatura oparta na transkryptach zgodnie z wytycznymi HGVS. Przykłady takich formatów są wyświetlane w kolorze szarym w polu wyszukiwania. W przypadku nomenklatury lokalizacji genomowej należy użyć współrzędnych zgodnie z hg19/GRCh37. Przejdź do kroku 2.
      UWAGA: Jeśli wyszukiwanie zwróci błąd, najczęstszymi problemami są albo nieaktualny symbol genu, albo nieprawidłowa nomenklatura wariantów. W takich przypadkach strony internetowe HGNC (https://www.genenames.org/), Mutalyzer7 (https://www.mutalyzer.nl/) i TransVar8 (https://bioinformatics.mdanderson.org/transvar/) są doskonałym źródłem do poprawienia błędu. HGNC zapewnia oficjalne symbole genów i ich aliasy dla wszystkich ludzkich genów.
    3. Jeśli po potwierdzeniu, że nazwa genu jest aktualna, nadal pojawiają się komunikaty o błędach, użyj Mutalyzera i TransVar, aby sprawdzić i przekonwertować nomenklaturę wariantów.
    4. W niektórych sytuacjach, takich jak bardzo niedawna zmiana symbolu genu w HGNC, spróbuj użyć synonimu genu i skontaktuj się z zespołem operacyjnym MARRVEL za pomocą zakładki "Informacje zwrotne", aby zaktualizować dane źródłowe, ponieważ MARRVEL może nie dostarczyć prawidłowych informacji z powodu opóźnienia w aktualizacji danych.
  2. Wprowadź symbol ludzkiego genu i pozostaw pusty pasek wyszukiwania wariantu ludzkiego. Jeśli wystąpi błąd, przejdź do HGNC (https://www.genenames.org/), aby sprawdzić oficjalny symbol genu lub wypróbuj starszy symbol genu.
    1. Kliknij na zakładkę Model Organisms Search na górnym banerze (Rysunek 1) lub przejdź do http://marrvel.org/model. Wybierz wybrany organizm modelowy i wprowadź symbol genu organizmu modelowego. Kliknij symbol genu, gdy nazwa jest automatycznie uzupełniana, a następnie kliknij przycisk Szukaj. Jeśli wynik wyszukiwania jest negatywny, należy sprawdzić oficjalny symbol genu, który jest używany w bazach danych organizmów modelowych (Tabela 1).
    2. Jeśli wynik wyszukiwania jest nadal negatywny, uzyskaj dostęp do narzędzi DIOPT (DRSC Integrative Ortholog Prediction Tool, https://www.flyrnai.org/cgi-bin/DRSC_orthologs.pl) i HCOP (https://www.genenames.org/tools/hcop/), aby ocenić, czy nie ma dobrych przewidywanych ortologów dla interesującego genu. DIOPT to wyszukiwarka predykcji ortologicznych prowadzona przez DRSC (Drosophila RNAi Screening Center), a HCOP to podobny pakiet opracowany przez HGNC.
      UWAGA: Dodatkowe wyszukiwania za pomocą BLAST (https://blast.ncbi.nlm.nih.gov/Blast.cgi) mogą pozwolić użytkownikom na znalezienie ortologów, które mogą zostać pominięte przez algorytmy predykcyjne używane w DIOPT i HCOP.
    3. Kliknij na MARRVEL na dole, aby zobaczyć przewidywany ludzki ortolog do wyboru. Sprawdź wynik DIOPT9 i najlepszy wynik od genu ludzkiego do organizmu modelowego? do selekcji genu ludzkiego. Przejdź do kroku 2.
      UWAGA: DIOPT score9 (https://www.flyrnai.org/cgi-bin/DRSC_orthologs.pl) to wartość liczby algorytmów predykcji ortologicznej, które przewidują, że para genów w dwóch organizmach jest dla siebie ortologiczna. Aby uzyskać więcej informacji na temat tych wartości i konkretnych algorytmów używanych do obliczania tego wyniku, zapoznaj się z Hu et al9. Kiedy najlepszy wynik od genu ludzkiego do organizmu modelowego? to Tak, oznacza to, że ludzki gen jest bardziej prawdopodobnym ludzkim ortologiem genu będącego przedmiotem zainteresowania, ale mogą istnieć wyjątki, zwłaszcza gdy wiele ludzkich genów jest ortologicznych do wielu genów organizmu modelowego z powodu zdarzeń duplikacji genów podczas ewolucji. Jeśli gen, którego przedmiotem zainteresowania, należy do złożonej rodziny genów, które przeszły rozbieżną ewolucję u wielu gatunków, użytkownicy powinni zidentyfikować publikację, w której przeprowadzono obszerną analizę filogenetyczną rodziny genów będących przedmiotem zainteresowania, aby zidentyfikować najbardziej prawdopodobny gen kandydujący na ortolog.

2. Jak interpretować wyniki badań genetyki człowieka MARRVEL w celu wyszukiwania genów i wariantów?

UWAGA: Na stronie wyników wyświetlanych jest siedem baz danych ludzi (Tabela 1, Rysunek 1). Dla każdego pola wyjściowego w prawym górnym rogu znajduje się przycisk Link zewnętrzny (małe pole ze strzałką ukośną), który będzie łączył się z oryginalną bazą danych, aby uzyskać więcej informacji.

  1. Kliknij OMIM (Online Mendlian Inheritance in Man, https://www.omim.org/)10, pierwsza wyświetlana baza danych.
    UWAGA: OMIM to ręcznie wyselekcjonowana baza danych, która agreguje i podsumowuje informacje o chorobach genetycznych i cechach człowieka.
    1. Skorzystaj z pola Opis genu ludzkiego z OMIM, aby uzyskać krótkie podsumowanie tego, co wiadomo o genie i produkcie genowym.
    2. Użyj pola Zależności gen-fenotyp, aby określić, czy ten gen jest znanym genem powodującym chorobę, czy nie. To pole zawiera ręcznie wyselekcjonowane powiązania znanej choroby lub fenotypu z genem będącym przedmiotem zainteresowania.
    3. Użyj pola Zgłoszone allele z OMIM, aby uzyskać listę wariantów patogennych wyselekcjonowaną przez OMIM.
      UWAGA: Ponieważ ręczna selekcja publikacji dotyczącej odkrycia nowego genu chorobowego jest konieczna, aby jakiekolwiek powiązanie gen-choroba pojawiło się w OMIM, pewne opóźnienie czasowe i/lub pominięte publikacje mogą prowadzić do nieporozumień. Zaleca się, aby użytkownicy przeszukali PubMed (https://www.ncbi.nlm.nih.gov/pubmed/) w celu zapoznania się z najnowszą literaturą (patrz 4.1.2.). Aby uzyskać dodatkowe informacje w programie OMIM, zapoznaj się z Amberger10,11.
  2. Kliknij ExAC (Exome Aggregation Consortium, http://exac.broadinstitute.org/)6 i gnomAD (genome Aggregation Database, http://gnomad.broadinstitute.org/), duże bazy danych genomiki populacyjnej oparte na WES i WGS osób, które zostały wybrane do wykluczenia ciężkich chorób dziecięcych.
    UWAGA: ExAC zawiera ~60 000 WES, podczas gdy gnomAD zawiera ~120 000 WES i ~15 000 WGS. Zarówno ExAC, jak i gnomAD mogą być używane jako baza danych populacji kontrolnej, zwłaszcza w przypadku ciężkich zaburzeń pediatrycznych, ale ich interpretacja wymaga pewnego stopnia ostrożności. Ogólnie rzecz biorąc, gnomAD można uznać za zaktualizowaną i rozszerzoną wersję ExAC, ponieważ większość kohort zawartych w ExAC jest również uwzględniona w gnomAD. Ponieważ jednak istnieją pewne wyjątki (zob. informacje kohortowe odpowiednio w http://exac.broadinstitute.org/about i http://gnomad.broadinstitute.org/about), MARRVEL wyświetla dane z obu źródeł.
    1. Użyj pola Podsumowanie genów populacji kontrolnej, aby uzyskać statystyki na poziomie genu, takie jak prawdopodobieństwo znalezienia alleli utraty funkcji (LOF) w populacji ogólnej. Nazywa się to wynikiem pLI (prawdopodobieństwo nietolerancji LOF) w ExAC i może być wykorzystane do wywnioskowania, jakie jest prawdopodobieństwo, że pojedyncza kopia allelu LOF dla określonego genu może wywołać chorobę dominującą poprzez mechanizmy haploniewystarczające.
      UWAGA: Patrzenie na wynik pLI genu ma wartość, zwłaszcza gdy mamy do czynienia z zaburzeniami dominującymi, które objawiają się jako ciężkie choroby dziecięce związane z wariantami de novo. Jeśli gen ma wynik pLI równy 0,00, oznacza to, że jest wysoce tolerancyjny na warianty LOF, a zatem gen prawdopodobnie nie powoduje choroby poprzez dominujący mechanizm haploinsuficjencji. Nie wyklucza to jednak koniecznie innych dominujących mechanizmów przyrostu funkcji (GOF) lub dominujących negatywnych mechanizmów, które mogą powodować chorobę. Ponadto geny powodujące choroby recesywne mogą mieć niskie wyniki pLI, ponieważ oczekuje się, że kariery zawodowe zostaną znalezione w populacji ogólnej. Z drugiej strony, jeśli gen ma wynik pLI równy 1,00, możliwe jest, że utrata jednej kopii tego genu jest szkodliwa dla zdrowia ludzkiego. Dodatkowe wyszukiwania na stronach internetowych, takich jak DOMINO (https://wwwfbm.unil.ch/domino/), mogą być również wykorzystywane w połączeniu do oceny prawdopodobieństwa, że wariant określonego genu powoduje zaburzenie dominujące.
    2. Użyj dwóch następnych pól, aby uzyskać częstość występowania alleli interesującego wariantu odpowiednio w ExAC i gnomAD, aby pomóc zinterpretować, czy wariant może być patogenny w zależności od tego, czy pacjent ma chorobę dominującą czy recesywną. To pole będzie wyświetlane tylko wtedy, gdy użytkownik wprowadzi informacje o wariancie podczas inicjowania wyszukiwania.
      UWAGA: Jeśli ktoś stawia hipotezę o chorobie recesywnej, a wynik pLI interesującego go genu jest niski, powinien zwrócić uwagę na częstość występowania alleli podaną tutaj. Niektórzy genetycy mogą ustalić punkt odcięcia od 0,005 do 0,0001 jako maksymalną częstość alleli dla wariantów patogennych, które mogą powodować ciężką chorobę dziedziczoną recesywnie2. Z drugiej strony, jeśli ktoś postawi hipotezę o dominującym scenariuszu choroby, jest mniej prawdopodobne, że znajdzie identyczny lub podobny wariant w populacji kontrolnej. Ponownie, wymaga to ostrożności, ponieważ osoby z zaburzeniami o późnym początku, chorobami o łagodnym przebiegu, zaburzeniami psychicznymi lub chorobami nieprzebadanymi przez badaczy ExAC/gnomAD mogą być nadal uwzględnione, a wariant może nadal być dominującym wariantem patogennym. Stwierdzono również kilka przypadków wariantów związanych z chorobami pediatrycznymi u kilku osób w tych bazach danych12,13,14, potencjalnie z powodu niepełnej penetracji lub mozaicyzmu somatycznego13,15,16. Ponadto, chociaż ExAC i gnomAD będą wyświetlać warianty, które znajdują się w stanie homozygotycznym, nie wskaże, czy którykolwiek z wariantów znajduje się w złożonym stanie heterozygotycznym. Wreszcie, niektóre warianty znalezione w tych bazach danych są oznaczone jako o niskim poziomie ufności ze względu na wyzwania techniczne związane z sekwencjonowaniem (np. niskie pokrycie sekwencji, powtarzalna sekwencja). Aby dokładniej przyjrzeć się tym zestawom danych, zaleca się, aby użytkownicy skorzystali z przycisku linku zewnętrznego w celu odwiedzenia oryginalnych stron internetowych ExAC i gnomAD w celu uzyskania dodatkowych informacji.
  3. Kliknij Geno2MP (Genotype to Mendelian Phenotype Browser, http://geno2mp.gs.washington.edu/Geno2MP/), zbiór danych opartych na WES z Centrum Genetyki Mendlowskiej Uniwersytetu Waszyngtońskiego. Zawiera około 9 600 egzomu (stan na 18.01.2019 r.) osób dotkniętych chorobą i zdrowych krewnych z pewnymi opisami fenotypowymi (Rysunek 1).
    1. Użyj pola Populacja choroby, aby uzyskać częstość alleli wariantu będącego przedmiotem zainteresowania w tej kohorcie.
    2. Użyj pola Gene-Fenotyp Relacje, aby uzyskać terminy HPO (human phenotype ontology)17 dla osób z wariantem będącym przedmiotem zainteresowania. Jest to jeden z wielu sposobów poszukiwania pacjentów, którzy mogą cierpieć na tę samą chorobę.
      UWAGA: Jeśli podejrzewa się, że gen będący przedmiotem zainteresowania jest związany z chorobą pacjenta i w Geno2MP znaleziono dopasowania, w źródle danych mogą znajdować się dodatkowe ważne informacje poza tym, co jest wyświetlane.
      1. Kliknij przycisk linku zewnętrznego do strony specyficznej dla genu w Geno2MP, przefiltruj mutacje, które są podobne do mutacji pacjenta (np. missense, LOF) i dokładnie przejrzyj listy wariantów. Zwróć uwagę na warianty z wysokimi wynikami CADD18 i kliknij na profile HPO. Na przykład wyniki CADD wyższe niż 20 mieszczą się w górnych 1% wszystkich wariantów, które są przewidywane jako szkodliwe, wyniki CADD wyższe niż 10 mieszczą się w górnych 10%. Terminy HPO zapewniają ustandaryzowany opis ludzkich fenotypów. Tutaj upewnij się, że sprawdzisz, czy wariant został zidentyfikowany u osoby dotkniętej chorobą lub u krewnego.
      2. Jeśli warianty zostaną znalezione u pacjentów, którzy są dotknięci tym samym układem narządów co pacjent, rozważ skorzystanie z formularza e-mail, aby skontaktować się z lekarzem, który przesłał te przypadki do Geno2MP, korzystając z funkcji dostępnej na stronie internetowej Geno2MP.
        UWAGA: Nie wszyscy lekarze odpowiadają na takie pytania, dlatego należy zbadać inne możliwości kojarzenia pacjentów. Innym sposobem na zebranie kohorty pacjentów dotkniętych tymi samymi chorobami jest użycie narzędzi takich jak GeneMatcher19 (https://www.genematcher.org/) i innych baz danych, które są częścią Matchmaker Exchange19,20 (https://www.matchmakerexchange.org/). Zobacz towarzyszący artykuł JoVE, aby uzyskać więcej informacji na temat matchmakingu21.
  4. Skorzystaj z bazy danych ClinVar (https://www.ncbi.nlm.nih.gov/clinvar/)22, wspieranej przez National Institutes of Health (NIH), w której badacze i klinicyści zgłaszają warianty z określeniem patogenności lub bez niej, w celu sprawdzenia wariantów pojedynczych nukleotydów (SNV), małych indeli i większych zmian liczby kopii (CNV).
    1. Użyj górnego wiersza, aby przejrzeć podsumowanie liczby każdego typu wariantów zgłoszonych w ClinVar (Rysunek 1).
    2. Sprawdź poniższą listę wariantów w polu Zgłoszone allele z ClinVar.
      UWAGA: Jeśli wariant został uwzględniony w początkowym wyszukiwaniu, warianty podświetlone w kolorze turkusowym to wszystkie warianty, które zawierają lokalizację genomową wariantu będącego przedmiotem zainteresowania [w tym duże CNV, które często są oznaczone jako; współrzędna genomowa...x1 (delecja) i ...x3 (duplikacja)].
  5. Użyj DGV23 (Baza danych wariantów genomowych, http://dgv.tcag.ca/dgv/app/home) i DECIPHER24 (Baza danych o zmienności genomiC i fenotypie u ludzi korzystających z zasobów Ensembl, https://decipher.sanger.ac.uk/), obie kolekcje CNV. DGV to największa publicznie dostępna kolekcja wariantów strukturalnych od ponad 54 000 osób. Ta baza danych zawiera próbki osób rzekomo zdrowych, w momencie ustalenia, z maksymalnie 72 różnych badań. Podobnie, dane wyświetlane przez DECIPHER obejmują powszechne warianty z populacji kontrolnej.
    UWAGA: Ponieważ MARRVEL nie ma uprawnień do wyświetlania danych pochodzących od pacjenta z DECIPHIER, zachęca się użytkowników do bezpośredniego odwiedzenia strony internetowej DECIPHER w celu uzyskania dostępu do potencjalnie patogennych informacji CNV.
    1. Kliknij pole wyboru Kopiuj wariant liczby w populacji kontrolnej (baza danych DGV), aby uzyskać warianty zawierające gen będący przedmiotem zainteresowania. Informacje, takie jak rozmiar, podtyp i odniesienie do odmiany numeru kopii, można znaleźć w tym samym polu.
    2. Kliknij pole wyboru Common Copy Number Variants (DECIPHER Database), aby uzyskać warianty zawierające lokalizację genomową interesującego wariantu. Informacje te mogą pomóc w ustaleniu, czy gen jest zduplikowany lub usunięty u osób kontrolnych.
      UWAGA: Jeśli gen będący przedmiotem zainteresowania zostanie usunięty u wielu osób w populacji kontrolnej, oznacza to, że gen ten prawdopodobnie jest wysoce tolerancyjny na warianty LOF. Podobnie jak niskie wyniki pLI, sugeruje to, że utrata pojedynczej kopii tego genu jest mniej prawdopodobna, aby spowodować ciężką chorobę poprzez mechanizm haploinsuficjencji. Nie wyklucza to jednak koniecznie innych dominujących przyrostów funkcji lub dominujących mechanizmów negatywnych (np. alleli antymorficznych, hipermorficznych i neomorficznych) spowodowanych przez specyficzne allele missense i obcinania.  Możliwe ograniczenia tych danych obejmują różnice w źródle i metodzie pozyskiwania danych, brak informacji na temat niepełnej penetracji patogennych CNV oraz to, czy u poszczególnych osób rozwinęły się pewne choroby po zebraniu danych.

3. Jak korzystać z danych o organizmach modelowych w MARRVEL

  1. Korzystając z tabeli funkcji genów, można uzyskać następujące informacje dotyczące ośmiu organizmów modelowych, w tym człowieka (człowieka, szczura, myszy, danio pręgowanego, Drosophila, C elegans, drożdży pączkujących i drożdży rozszczepialnych):
    1. Nazwa genu: Ponieważ każda nazwa genu jest połączona ze stronami genów w odpowiednich bazach danych organizmów modelowych, kliknij te linki, aby dowiedzieć się więcej o informacjach fenotypowych i zasobach dostępnych dla każdego organizmu modelowego. Na przykład na FlyBase25 (http://flybase.org/) pojawi się lista wszystkich alleli, które zostały wygenerowane, ich odpowiednie fenotypy i dostępność każdego allelu z publicznych centrów magazynowych.
    2. Link do PubMed: Kliknij link PubMed, aby przejść do listy publikacji odnoszących się do genu będącego przedmiotem zainteresowania w każdym organizmie. Bez korzystania z tych linków, wyszukiwanie ludzkiego genu bezpośrednio w PubMed może prowadzić do pominięcia niektórych publikacji, które używały starego aliasu genu w odniesieniu do ludzkiego genu. Podobnie, nazwy genów organizmów modelowych mogły ulegać historycznym wahaniom.
    3. DIOPT9 wynik: Sprawdź tę kolumnę, aby dowiedzieć się, ile algorytmów predykcji ortologicznej przewiduje, że gen może być ortologiem interesującego nas genu ludzkiego. Można użyć wyniku DIOPT wynoszącego 3 lub więcej jako rozsądnego punktu odcięcia do identyfikacji kandydatów na lite ortologi. Zdarzają się jednak przypadki, w których prawdziwe ortologi mają tylko wynik DIOPT równy 1 ze względu na ograniczoną homologię. U góry tabeli funkcji genów odznacz pole "Pokaż tylko gen z najlepszym wynikiem DIOPT", aby wyświetlić wszystkich kandydatów, którzy zazwyczaj zawierają geny homologiczne, które niekoniecznie są ortologiami.
    4. Wyrażenie: Sprawdź tę kolumnę, aby uzyskać wykaz tkanek, w których zgłoszono ekspresję genu lub białka będącego przedmiotem zainteresowania w bazach danych organizmów ludzkich lub modelowych. Dane dotyczące ekspresji ludzkich genów i białek pochodzą odpowiednio z GTEx26 (https://gtexportal.org/) i Human Protein Atlas27 (https://www.proteinatlas.org/). Niektóre mają przycisk z wyskakującymi linkami, na przykład dla człowieka i muchy, które wyświetlają wzorzec wyrażenia za pomocą mapy cieplnej, podczas gdy inne są hiperłączami do odpowiednich stron baz danych organizmów modelowych.
    5. Gene Ontology28 (GO) terms: Filtruj według kodów dowodów eksperymentalnych i pobieraj z odpowiednich baz danych organizmów ludzkich lub modelowych. Terminy GO oparte na "kodach dowodów analizy obliczeniowej" i "kodach dowodów adnotacji elektronicznej" (przewidywaniach) nie są wyświetlane. Prosimy o odwiedzenie strony internetowej każdego organizmu modelowego w celu zebrania tych informacji, jeśli to konieczne.
    6. Inne linki, takie jak Monarch Initiative29 (https://monarchinitiative.org/) i IMPC30 (http://www.mousephenotype.org/): Użyj hiperłącza Monarch Initiative, aby przejść do strony Phenogrid dla konkretnego genu ludzkiego, wykresu, który zapewnia szybkie porównanie między fenotypami związanymi z genem będącym przedmiotem zainteresowania dla znanych chorób człowieka a mutantami organizmu modelowego, które mają fenotyp Zachodzi. Jeśli gen myszy ma mysz z nokautem wyprodukowaną lub planowaną przez Międzynarodowe Konsorcjum Fenotypowania Myszy (IMPC), "IMPC" linkuje do strony, która szczegółowo opisuje fenotyp myszy z nokautem i jego dostępność w publicznych centrach magazynowych.
  2. Domeny białek ludzkich: Użyj pola domen białkowych ludzkiego genu, aby uzyskać przewidywane domeny białkowe ludzkiego genu. Dane pochodzą z DIOPT, który wykorzystuje Pfam (https://pfam.xfam.org/) i CCD (Conserved Domains Database, https://www.ncbi.nlm.nih.gov/Structure/cdd/cdd.shtml). Pojedyncza pozostałość może być opisana więcej niż raz ze względu na pewne nakładanie się domen opisanych w dwóch źródłach.
  3. Użyj pola Multiple Protein Alignment, aby uzyskać wielokrotne wyrównanie aminokwasów wygenerowane przez DIOPT9, które obejmuje człowieka (hs), szczura (rn), mysz (mm), danio pręgowanego (dr), muszkę owocową (dm), robaka (ce) i drożdże (sc i sp). Aby podświetlić interesujący Cię aminokwas, przewiń w dół pola i wprowadź poniżej liczbę aminokwasów, a interesujące Cię aminokwasy zostaną podświetlone w kolorze turkusowym. Wyrównanie jest zapewnione przez DIOPT i wykorzystuje nakładkę MAFFT (program wielokrotnego wyrównywania dla sekwencji aminokwasów lub nukleotydów, https://mafft.cbrc.jp/alignment/software/31).
    UWAGA: Jeśli aminokwas, który jest podświetlany na podstawie liczby, nie jest oczekiwany, może to być spowodowane różnymi izoformami splicingu użytymi do wyrównania. Zasadniczo DIOPT używa najdłuższej izoformy do wyświetlenia w tym polu. Ponadto w przypadku segmentów genów, które nie są dobrze zachowane, wyrównanie sekwencji wielogatunkowych przy użyciu parametrów domyślnych może nie być optymalne. Zalecamy korzystanie z innych stron internetowych i oprogramowania, takich jak Clustal Omega i ClustalW/X (http://www.clustal.org/)32, aby odpowiednio zoptymalizować parametry wyrównania i matryce.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Wyniki

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

Genetycy i naukowcy zajmujący się modelowaniem organizmów używają MARRVEL na różne sposoby, każdy z innymi pożądanymi rezultatami. Poniżej znajdują się trzy winiety możliwych zastosowań dla MARRVEL.

Ocena chorobotwórczości wariantu choroby dominującej
Większość użytkowników, którzy odwiedzają MARRVEL, korzysta z tej strony internetowej w celu analizy prawdopodobieństwa, że rzadki wariant ludzki może powodować określoną chorobę. Na przykład stwierdzono, że wariant missense ...

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Dyskusja

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

Krytyczne kroki w tym protokole obejmują początkowe dane wejściowe (kroki 1.1-1.3) i późniejszą interpretację danych wyjściowych. Najczęstszym powodem, dla którego wyniki wyszukiwania są negatywne, jest wiele sposobów, w jakie można opisać gen i/lub wariant. Chociaż MARRVEL jest aktualizowany zgodnie z harmonogramem, aktualizacje te mogą powodować rozłączenia między różnymi bazami danych, z którymi łączy się MARRVEL. Dlatego pierwszym krokiem w rozwiązywaniu problemów jest niezmiennie sprawdzanie, czy alternatywne nazwy ...

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Oświadczenia

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

Autorzy nie mają nic do ujawnienia.

Podziękowania

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

Dziękujemy doktorom Rami Al-Ouran, Seon-Young Kim, Yanhui (Claire) Hu, Ying-Wooi Wan, Naveen Manoharan, Sasidhar Pasupuleti, Aram Comjean, Dongxue Mao, Michaelowi Wanglerowi, Hsiao-Tuan Chao, Stephanie Mohr i Norbertowi Perrimonowi za ich wsparcie w rozwoju i utrzymaniu MARRVEL. Jesteśmy wdzięczni Samancie L. Deal i J. Michaelowi Harnishowi za ich wkład w powstanie tego manuskryptu.  

Początkowy rozwój MARRVEL był częściowo wspierany przez Centrum Badań Przesiewowych Modelowych Organizmów Sieci Chorób Niezdiagnozowanych za pośrednictwem NIH Commonfund (U54NS093793) oraz przez Biuro Programów Infrastruktury Badawczej NIH (ORIP) (R24OD022005). JW jest wspierany przez NIH Eunice Kennedy Shriver National Institute of Child Health & Human Development (F30HD094503) oraz The Robert and Janice McNair Foundation McNair MD/PhD Student Scholar Program w BCM. HJB jest dodatkowo wspierany przez NIH National Institute of General Medical Sciences (R01GM067858) i jest badaczem Howard Hughes Medical Institute. ZL jest wspierany przez NIH National Institute of General Medical Science (R01GM120033), National Institute of Aging (R01AG057339) oraz Huffington Foundation. SY otrzymał dodatkowe wsparcie od NIH National Institute on Deafness and other Communication Disorders (R01DC014932), Simons Foundation (SFARI Award: 368479), Alzheimer's Association (New Investigator Research Grant: 15-364099), Naman Family Fund for Basic Research oraz Caroline Wiess Law Fund for Research in Molecular Medicine.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Materiały

Lista materiałów użytych w tym artykule
NazwaFirmaNumer katalogowyKomentarze
Genetyka człowiekaClinVarPMID: 29165669https://www.ncbi.nlm.nih.gov/clinvar/
Genetyka człowiekaDESZYFROWANIEPMID: 19344873 https://decipher.sanger.ac.uk/
Genetyka człowiekaDGVPMID:  24174537http://dgv.tcag.ca/dgv/app/home
Prognoza ortologicznaDIOPTPMID: 21880147 https://www.flyrnai.org/cgi-bin/DRSC_orthologs.pl
Nomenklatura genów ludzkich/transkryptówEnsemblPMID: 29155950 https://useast.ensembl.org/
Genetyka człowiekaExAC PMID: 27535533http://exac.broadinstitute.org/
Podstawowe bazy danych organizmów modelowychFlyBase (Drosophila)PMID:26467478http://flybase.org
Narzędzia do integracji bazy danych organizmów modelowychGene2FunctionPMID: 28663344http://www.gene2function.org/search/
Human GeneticsGeno2MPN/Ahttp://geno2mp.gs.washington.edu/Geno2MP/
Genetyka człowiekagnomADPMID: 27535533http://gnomad.broadinstitute.org/
Gene OntologyGO CentralPMID: 10802651, 25428369 http://www.geneontology.org/
Ludzka ekspresja genów/białekGTExPMID: 29019975, 23715323 https://gtexportal.org/home/
Nomenklatura genów ludzkichHGNCPMID: 27799471 https://www.genenames.org/
Podstawowe bazy danych organizmów modelowychIMPC (mysz)PMID: 27626380http://www.mousephenotype.org/
Podstawowe bazy danych organizmów modelowychMGI (mysz)PMID:25348401http://www.informatics.jax.org/
Narzędzia do integracji bazy danych organizmów modelowychInicjatywa MonarchPMID: 27899636https://monarchinitiative.org/
nomenklaturze wariantów ludzkichPMID: 18000842 https://mutalyzer.nl/
Genetyka człowiekaOMIMPMID: 28654725https://omim.org/
Podstawowe bazy danych organizmów modelowychPomBase (drożdże rozszczepienia)PMID:22039153https://www.pombase.org/
LiteraturaPubMedN/Ahttps://www.ncbi.nlm.nih.gov/pubmed/
Podstawowe bazy danych organizmów modelowychRGD (szczur)PMID:25355511https://rgd.mcw.edu/
Bazy danych podstawowych organizmów modelowychSGD (pączkujące drożdże)PMID: 22110037https://www.yeastgenome.org/
Ekspresja ludzkich genów/białekAtlas białek ludzkichPMID: 21752111https://www.proteinatlas.org/
Podstawowe bazy danych organizmów modelowychBaza robaków (C. elegans)PMID:26578572http://wormbase.org
Podstawowe bazy danych organizmów modelowychZFIN (danio pręgowany)PMID:26097180https://zfin.org/
Mutalyzer w

Bibliografia

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Yang, Y., et al. Clinical whole-exome sequencing for the diagnosis of mendelian disorders. New England Journal of Medicine. 369 (16), 1502-1511 (2013).
  2. Richards, S., et al. Standards and guidelines for the interpretation of sequence variants: a joint consensus recommendation of the American College of Medical Genetics and Genomics and the Association for Molecular Pathology. Genetics in Medicine. 17 (5), 405-424 (2015).
  3. MacArthur, D. G., et al. Guidelines for investigating causality of sequence variants in human disease. Nature. 508 (7497), 469-476 (2014).
  4. Wang, J., et al. MARRVEL: Integration of Human and Model Organism Genetic Resources to Facilitate Functional Annotation of the Human Genome. American Journal of Human Genetics. 100 (6), 843-853 (2017).
  5. Povey, S., et al. The HUGO Gene Nomenclature Committee (HGNC). Human Genetics. 109 (6), 678-680 (2001).
  6. Lek, M., et al. Analysis of protein-coding genetic variation in 60,706 humans. Nature. 536 (7616), 285-291 (2016).
  7. Wildeman, M., van Ophuizen, E., den Dunnen, J. T., Taschner, P. E. Improving sequence variant descriptions in mutation databases and literature using the Mutalyzer sequence variation nomenclature checker. Human Mutation. 29 (1), 6-13 (2008).
  8. Zhou, W., et al. TransVar: a multilevel variant annotator for precision genomics. Nature Methods. 12 (11), 1002-1003 (2015).
  9. Hu, Y., et al. An integrative approach to ortholog prediction for disease-focused and other functional studies. BMC Bioinformatics. 12, 357(2011).
  10. Amberger, J. S., Hamosh, A. Searching Online Mendelian Inheritance in Man (OMIM): A Knowledgebase of Human Genes and Genetic Phenotypes. Current Protocols in Bioinformatics. 58, 1(2017).
  11. Amberger, J. S., Bocchini, C. A., Scott, A. F., Hamosh, A. OMIM.org: leveraging knowledge across phenotype-gene relationships. Nucleic Acids Research. 47, 1038-1043 (2019).
  12. Liu, N., et al. Functional variants in TBX2 are associated with a syndromic cardiovascular and skeletal developmental disorder. Human Molecular Genetics. 27 (14), 2454-2465 (2018).
  13. Ropers, H. H., Wienker, T. Penetrance of pathogenic mutations in haploinsufficient genes for intellectual disability and related disorders. European Journal of Medical Genetics. 58 (12), 715-718 (2015).
  14. Shashi, V., et al. De Novo Truncating Variants in ASXL2 Are Associated with a Unique and Recognizable Clinical Phenotype. American Journal of Human Genetics. 100 (1), 179(2017).
  15. Chen, R., et al. Analysis of 589,306 genomes identifies individuals resilient to severe Mendelian childhood diseases. Nature Biotechnology. 34 (5), 531-538 (2016).
  16. Halvorsen, M., et al. Mosaic mutations in early-onset genetic diseases. Genetics in Medicine. 18 (7), 746-749 (2016).
  17. Kohler, S., et al. The Human Phenotype Ontology in 2017. Nucleic Acids Research. 45 (1), 865-876 (2017).
  18. Rentzsch, P., Witten, D., Cooper, G. M., Shendure, J., Kircher, M. CADD: predicting the deleteriousness of variants throughout the human genome. Nucleic Acids Research. 47 (1), 886-894 (2019).
  19. Sobreira, N., Schiettecatte, F., Valle, D., Hamosh, A. GeneMatcher: a matching tool for connecting investigators with an interest in the same gene. Human Mutation. 36 (10), 928-930 (2015).
  20. Sobreira, N. L. M., et al. Matchmaker Exchange. Current Protocols in Human Genetics. 95 (9), 31-39 (2017).
  21. Harnish, M., Deal, S., Wangler, M., Yamamoto, S. In vivo functional study of disease-associated rare human variants using Drosophila. Journal of Visualized Experiments. , (2019).
  22. Harrison, S. M., et al. Using ClinVar as a Resource to Support Variant Interpretation. Current Protocols in Human Genetics. 89, 11-18 (2016).
  23. MacDonald, J. R., Ziman, R., Yuen, R. K., Feuk, L., Scherer, S. W. The Database of Genomic Variants: a curated collection of structural variation in the human genome. Nucleic Acids Research. 42, Database issue 986-992 (2014).
  24. Firth, H. V., et al. DECIPHER: Database of Chromosomal Imbalance and Phenotype in Humans Using Ensembl Resources. American Journal of Human Genetics. 84 (4), 524-533 (2009).
  25. Thurmond, J., et al. FlyBase 2.0: the next generation. Nucleic Acids Research. 47, 759-765 (2019).
  26. Consortium, G. T. Human genomics. The Genotype-Tissue Expression (GTEx) pilot analysis: multitissue gene regulation in humans. Science. 348 (6235), 648-660 (2015).
  27. Ponten, F., Jirstrom, K., Uhlen, M. The Human Protein Atlas--a tool for pathology. Journal of Pathology. 216 (4), 387-393 (2008).
  28. The Gene Ontology, C. The Gene Ontology Resource: 20 years and still GOing strong. Nucleic Acids Research. , (2018).
  29. Mungall, C. J., et al. The Monarch Initiative: an integrative data and analytic platform connecting phenotypes to genotypes across species. Nucleic Acids Research. 45 (1), 712-722 (2017).
  30. Meehan, T. F., et al. Disease model discovery from 3,328 gene knockouts by The International Mouse Phenotyping Consortium. Nature Genetics. 49 (8), 1231-1238 (2017).
  31. Katoh, K., Rozewicki, J., Yamada, K. D. MAFFT online service: multiple sequence alignment, interactive sequence choice and visualization. Brief Bioinform. , (2017).
  32. Sievers, F., Higgins, D. G. Clustal Omega for making accurate alignments of many protein sequences. Protein Science. 27 (1), 135-145 (2018).
  33. Yoon, W. H., et al. Loss of Nardilysin, a Mitochondrial Co-chaperone for alpha-Ketoglutarate Dehydrogenase, Promotes mTORC1 Activation and Neurodegeneration. Neuron. 93 (1), 115-131 (2017).
  34. Deal, S., Yamamoto, S. Unraveling novel mechanisms of neurodegeneration through a large-scale forward genetic screen in Drosophila. Frontiers in Genetics. 9, (2019).
  35. Matamoros, A. J., Baas, P. W. Microtubules in health and degenerative disease of the nervous system. Brain Research Bulletin. 126, Pt 3 217-225 (2016).
  36. Theodosiou, A., Arhondakis, S., Baumann, M., Kossida, S. Evolutionary scenarios of Notch proteins. Molecular Biology and Evolution. 26 (7), 1631-1640 (2009).
  37. Shayevitz, C., Cohen, O. S., Faraone, S. V., Glatt, S. J. A re-review of the association between the NOTCH4 locus and schizophrenia. American Journal of Medical Genetics. Part B: Neuropsychiatric Genetics. 159 (5), 477-483 (2012).
  38. Wang, Z., et al. A review and re-evaluation of an association between the NOTCH4 locus and schizophrenia. American Journal of Medical Genetics. Part B: Neuropsychiatric Genetics. 141 (8), 902-906 (2006).
  39. Oriel, C., Lasko, P. Recent Developments in Using Drosophila as a Model for Human Genetic Disease. International Journal of Molecular Sciences. 19 (7), (2018).
  40. Hu, Y., Comjean, A., Mohr, S. E., FlyBase, C., Perrimon, N. Gene2Function: An Integrated Online Resource for Gene Function Discovery. G3. 7 (8), Bethesda. 2855-2858 (2017).

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Przedruki i uprawnienia

Poproś o pozwolenie na ponowne wykorzystanie tekstu lub ilustracji tego artykułu JoVE

Poproś o pozwolenie

Tagi

Analiza rzadkich wariant wwyszukiwanie wariant w gen wprzewidywanie ortolog wadnotacja domen bia kowychwielokrotne dopasowanie bia ekterminy ontologii gen wdiagnostyka chor b

Powiązane artykuły