Method Article

Inherent Dynamics Visualizer, interaktywna aplikacja do oceny i wizualizacji wyników z potoku wnioskowania o sieci regulacji genów

DOI:

10.3791/63084

⸱

December 7th, 2021

 ,  ,  ,  , 
1Department of Biology, Duke University, 2Department of Mathematical Sciences, Montana State University, 3Department of Mathematical Sciences, Florida Atlantic University

In This Article

Summary

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

Inherent Dynamics Visualizer to interaktywny pakiet wizualizacji, który łączy się z narzędziem do wnioskowania o sieci regulacji genów w celu ulepszonego, usprawnionego generowania funkcjonalnych modeli sieciowych. Wizualizator może być używany do podejmowania bardziej świadomych decyzji dotyczących parametryzacji narzędzia wnioskowania, zwiększając w ten sposób zaufanie do wynikowych modeli.

Abstract

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

Opracowanie modeli sieci regulacji genów jest głównym wyzwaniem w biologii systemów. Aby sprostać temu wyzwaniu, opracowano kilka narzędzi obliczeniowych i potoków, w tym nowo opracowany potok Inherent Dynamics Pipeline. Inherified Dynamics Pipeline składa się z kilku wcześniej opublikowanych narzędzi, które działają synergicznie i są połączone w sposób liniowy, w którym dane wyjściowe jednego narzędzia są następnie wykorzystywane jako dane wejściowe dla następnego narzędzia. Podobnie jak w przypadku większości technik obliczeniowych, każdy krok Inherent Dynamics Pipeline wymaga od użytkownika dokonywania wyborów dotyczących parametrów, które nie mają precyzyjnej definicji biologicznej. Wybory te mogą znacząco wpłynąć na modele sieci regulacyjnej genów opracowane w wyniku analizy. Z tego powodu możliwość wizualizacji i zbadania konsekwencji różnych wyborów parametrów na każdym kroku może pomóc w zwiększeniu zaufania do wyborów i wyników. Inherent Dynamics Visualizer to kompleksowy pakiet wizualizacji, który usprawnia proces oceny wyboru parametrów za pomocą interaktywnego interfejsu w przeglądarce internetowej. Użytkownik może oddzielnie badać dane wyjściowe każdego kroku lejka, wprowadzać intuicyjne zmiany w oparciu o informacje wizualne i korzystać z automatycznego tworzenia niezbędnych plików wejściowych dla Inherent Dynamics Pipeline. Inherent Dynamics Visualizer zapewnia niezrównany poziom dostępu do wysoce skomplikowanego narzędzia do odkrywania sieci regulacyjnych genów na podstawie danych transkryptomicznych szeregów czasowych.

Introduction

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

Wiele ważnych procesów biologicznych, takich jak różnicowanie komórek i reakcja środowiskowa, jest zarządzanych przez zestawy genów, które oddziałują ze sobą w sieci regulacji genów (GRN). Te GRN wytwarzają dynamikę transkrypcyjną potrzebną do aktywacji i utrzymania kontrolowanego przez nie fenotypu, więc identyfikacja składników i struktury topologicznej GRN jest kluczem do zrozumienia wielu procesów i funkcji biologicznych. GRN może być modelowany jako zestaw oddziałujących na siebie genów i/lub produktów genowych opisanych przez sieć, której węzłami są geny, a krawędzie opisują kierunek i formę interakcji (np. aktywacja/represja transkrypcji, modyfikacja potranslac....

Access restricted. Please log in or start a trial to view this content.

Protocol

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

1. Zainstaluj IDP i IDV

UWAGA: W tej sekcji zakłada się, że docker, conda, i git są już zainstalowane (Tabela materiałów).

  1. W terminalu wprowadź polecenie: git clone https://gitlab.com/biochron/inherent_dynamics_pipeline.git.
  2. Postępuj zgodnie z instrukcjami instalacji w pliku README dostawcy tożsamości.
  3. W terminalu wprowadź polecenie: git clone https://gitlab.com/bertfordley/inherent_dynamics_visualizer.git.
    UWAGA: Klonowanie pliku IDV powinno odbywać się poza katalogiem najwyższego poziomu dostawcy tożsamości.
  4. Postępuj zgodnie z instrukcjami....

Access restricted. Please log in or start a trial to view this content.

Results

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

Kroki opisane tekstowo powyżej i graficznie w Rysunek 1 został zastosowany do oscylującego rdzenia GRN cyklu komórkowego drożdży, aby sprawdzić, czy możliwe jest odkrycie funkcjonalnych modeli GRN, które są w stanie wytworzyć dynamikę obserwowaną w danych dotyczących ekspresji genów szeregów czasowych zebranych w badaniu cyklu komórkowego drożdży16. Aby zilustrować, w jaki sposób IDV może wyjaśnić i poprawić wyniki IDP, porównano wyniki, po przeprowadzeniu tej analizy.......

Access restricted. Please log in or start a trial to view this content.

Discussion

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

Wnioskowanie o GRN jest ważnym wyzwaniem w biologii systemowej. IDP generuje modelowe GRN na podstawie danych o ekspresji genów przy użyciu sekwencji narzędzi, które wykorzystują dane w coraz bardziej złożony sposób. Każdy krok wymaga podjęcia decyzji o tym, w jaki sposób przetworzyć dane i jakie elementy (geny, interakcje funkcjonalne) zostaną przekazane do kolejnej warstwy IDP. Wpływ tych decyzji na wyniki IDP nie jest tak oczywisty. Aby pomóc w tym zakresie, IDV udostępnia przydatne interaktywne wizualizacje wyników z.......

Access restricted. Please log in or start a trial to view this content.

Disclosures

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

Autorzy nie mają nic do ujawnienia.

Acknowledgements

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

Ta praca została sfinansowana przez grant NIH R01 GM126555-01 oraz grant NSF DMS-1839299.

....

Access restricted. Please log in or start a trial to view this content.

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
Dockerhttps://docs.docker.com/get-docker/
Githttps://git-scm.com/
Inherent Dynamics Pipelinehttps://gitlab.com/biochron/inherent_dynamics_pipeline
Inherent Dynamics Visualizerhttps://gitlab.com/bertfordley/inherent_dynamics_visualizer
Minicondahttps://docs.conda.io/en/latest/miniconda.html
Pipshttps://.pypa.io/en/stable/

References

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Karlebach, G., Shamir, R. Modelling and analysis of gene regulatory networks. Nature Reviews Molecular Cell Biology. 9 (10), 770-780 (2008).
  2. Aijö, T., Lähdesmäki, H. Learning gene regulatory networks from gene expression measurements....

Access restricted. Please log in or start a trial to view this content.

Reprints and Permissions

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

Request Permission

Tags

Gene Regulatory NetworksNetwork InferenceInherent Dynamics PipelineInteractive VisualizationParameter ExplorationTime Series TranscriptomicsNetwork Model EvaluationEdge FindingNode FindingSystems Biology

Related Articles