Wyszukiwanie danych epigenomicznych w oparciu o wzorce za pomocą GeNemo
8 października 2017
W przeciwieństwie do danych o sekwencjach DNA, dane epigenomiczne nie są łatwo poddawane wyszukiwaniom tekstowym. Poniżej przedstawiono procedury korzystania z ulepszonej wersji GeNemo, internetowego narzędzia bioinformatycznego, do przeprowadzania opartych na wzorcach poszukiwań podobieństw w danych epigenomicznych, porównując dostępne internetowe bazy danych, w tym Encyklopedię Elementów DNA, z danymi użytkownika.
Ogólnym celem tego filmu jest pokazanie naukowcom zajmującym się badaniami epigenetycznymi, jak korzystać z programu GeNemo do uzyskiwania regionów podobieństwa między różnymi znakami epigenetycznymi i różnymi typami komórek. Naszym celem przy tworzeniu tego programu było umożliwienie badaczom porównania funkcji komórek danych z ich rozległymi znanymi publicznymi bazami danych, takimi jak Encode i Mousington. Wyszukiwanie informacyjne z typowym wyszukiwaniem za pomocą słów kluczowych.
Na krawędzi twoich komórek znajdują się trzy primizacje K4 lub inne specyficzne krzywe. Chociaż te bałagany są przydatne, GeNemo może również szukać dodatków do rzeczywistych danych, a nie podobieństw w opisie danych. Załóżmy, że masz nowe białko zwalczające DNA, które nie ma żadnej lub ma niewielką wiedzę a priori na temat tego, do jakiego rodzaju modyfikacji epigenetycznych lub liczby komórek spodziewa się odnieść.
GeNemo może nadal pomóc w zawężeniu potencjalnych celów. GeNemo może odczytywać pliki w różnych formatach, w tym matematycznym i greckim, i będzie używać różnych metod dopasowywania wzorców, rozwiąże również odpychane regiony na podstawie ich wyniku podobieństwa i zapewni opcje eksportu danych. A teraz pokażemy, jak przeprowadzić wyszukiwanie GeNemo.
Aby korzystać z GeNemo, będziesz potrzebować własnego pliku danych i formatu BED lub big wig, który można przekonwertować z eksperymentalnych surowych danych za pomocą popularnych narzędzi bioinformatycznych, takich jak przeglądarka genomu UCSC. Najpierw przejdź do GeNemo.org. Na stronie głównej zobaczysz pole wyszukiwania z opcjami specyfikacji.
Wybierz gatunek, z którym chcesz porównać swoje dane. W tym samouczku użyjemy homosapiens jako gatunku referencyjnego. Następnie wybierz własny plik, który chcesz przesłać do GeNemo.
Ten plik może być hostowany online lub na dysku lokalnym. Skopiuj i wklej adres URL w tym polu, jeśli Twoje dane są online. Lub kliknij poniższy przycisk, aby przesłać lokalny plik danych.
W tym samouczku użyjemy przykładowego pliku. Czasami wyszukiwanie może zająć dużo czasu. Jeśli nie chcesz czekać, możesz podać swój adres e-mail w tym polu.
Po zakończeniu wyszukiwania otrzymasz wiadomość e-mail z linkiem do wyników. Jeśli podajesz własne dane w formacie BED, istnieje inny adres URL, pod którym możesz przesłać duży plik peruki tylko w celu wyświetlenia. W tym polu można również określić zakres wyszukiwania.
Aby określić zakres wyszukiwania, należy określić liczbę chromosomów, a także zakres par zasad. Następujące dwa dane wejściowe będą odczytywane tak samo. Chromosom 1:1-1000000. Lub zastępując znaki interpunkcyjne spacjami, co jest formatem pliku BED.
Chromosom 1 1 1000000. Teraz kliknij przycisk wyboru danych, aby wybrać typy ścieżek do wyszukania. Możesz kliknąć pola wyboru obok każdej próbki danych, aby ją przeszukać, ale dostępna jest również funkcja filtrowania.
Funkcja filtrowania jest pomocna przy wybieraniu wielu ścieżek w tym samym czasie. Tutaj możesz wybrać kategorię, z której chcesz filtrować, a także użyć przycisków u dołu zakładki. Pierwsze trzy przyciski są dość oczywiste.
Filtr powoduje, że wszystkie ścieżki, które nie należą do wybranych kategorii, stają się niezaznaczone. Coś w rodzaju bramy and. Z drugiej strony, wykluczenie powoduje, że wybrane kategorie stają się niezaznaczone.
Jak brama nie. Kiedy będziesz gotowy, kliknij przycisk wyszukiwania, aby rozpocząć wyszukiwanie. Jeśli przeszukujesz wiele ścieżek i/lub nie określiłeś mniejszego zakresu wyszukiwania, wyszukiwanie może chwilę potrwać.
W polu wyników zobaczysz różne sekcje genomu, w których plik danych i wyszukiwane gatunki są podobne w jednej lub więcej określonych sekwencjach śledzenia. Możesz kliknąć pobierz plik BED, aby pobrać plik zawierający listę pasujących regionów. Kliknij przycisk pokaż w każdym polu, aby wyświetlić pasującą sekcję.
W sekcji wyświetlania zobaczysz własną ścieżkę plików danych, a także pasującą ścieżkę lub ścieżki. Możesz poruszać się w górę lub w dół, przesuwając pasek na górze z etykietami par podstaw. Jak widać na tym przykładzie, góra tutaj jest podobieństwem między tymi dwoma torami.
Po obejrzeniu tego filmu powinieneś mieć dobre pojęcie o tym, jak uzyskać regiony podobieństwa między różnymi markerami epigenetycznymi za pomocą GeNemo. Wyniki wyszukiwania GeNemo będą obejmować markery epigenetyczne, znajdowanie czynników transkrypcyjnych, metylację DNA, dostępność chromogenu lub inne rodzaje sygnałów w różnych typach tkanek, które mają podobne wzorce w określonych lokalizacjach genomu do interesujących Cię danych. Stamtąd możesz być w stanie zauważyć, czy to białko wiążące DNA może wchodzić w interakcje z jakimś czynnikiem transkrypcyjnym, niektórymi elementami regulatorowymi, czy mieć coś wspólnego ze strukturą chromatyny i tak dalej.
Możesz również zauważyć, jakie typy tkanek mają największe podobieństwo do Twojego zestawu danych, który może zastosować funkcję rozwojową interesującego Cię białka. Przeprowadzając tak szerokie wyszukiwanie, GeNemo może zwrócić wstępne regiony, twórców i/lub typy komórek w stosunkowo krótkim czasie. Na podstawie tych wyników możliwe byłoby również zawężenie potencjalnych obszarów zainteresowania w celu przeprowadzenia przyszłych eksperymentów, takich jak wybór odpowiedniej linii komórkowej dla danego białka, testowanie interakcji z określonymi czynnikami transkrypcyjnymi lub modyfikacja epigenetyczna za pomocą Co IP, 30C, 4C, 5C lub HiC.
Mamy nadzieję, że ten samouczek był pomocny i stale pracujemy nad ulepszeniem GeNemo. W tym celu czekamy na wszelkie opinie.
Przegląd
Ten artykuł przedstawia samouczek dotyczący korzystania z GeNemo, internetowego narzędzia bioinformatycznego przeznaczonego do przeprowadzania wyszukiwań opartych na wzorcach w danych epigenomowych. Badacze mogą porównać swoje dane z rozległymi publicznymi bazami danych, aby zidentyfikować obszary podobieństwa między różnymi znakami epigenetycznymi i typami komórek.
Kluczowe elementy badania
Dziedzina nauki
- Epigenetyka
- Bioinformatyka
- Analiza danych
Tło
- Dane epigenomowe są trudne do przeszukania za pomocą tradycyjnych metod opartych na tekście.
- GeNemo umożliwia porównanie danych użytkownika z znanymi publicznymi bazami danych.
- Narzędzie obsługuje różne formaty danych i oferuje opcje wizualizacji.
- Rozumienie modyfikacji epigenetycznych jest kluczowe dla badania regulacji genów.
Cel badania
- Aby pokazać, jak wykorzystywać GeNemo do analizy danych epigenomowych.
- Aby umożliwić badaczom identyfikację potencjalnych celów związanych z ich danymi.
- Aby ułatwić badanie podobieństw w markerach epigenetycznych w różnych typach komórek.
Stosowane metody
- Wykorzystanie GeNemo do porównywania danych.
- Wprowadzanie danych użytkownika w formacie BED lub big wig.
- Wybór gatunku i ścieżek danych do analizy.
- Wizualizacja wyników i opcje pobierania dla pasujących regionów.
Główne wyniki
- Identyfikacja regionów genomu o podobnych wzorcach epigenetycznych.
- Możliwość wizualizacji pasujących sekcji genomu.
- Wyniki obejmują różne markery epigenetyczne i czynniki transkrypcyjne.
- Potencjał informowania przyszłych projektów eksperymentalnych na podstawie znalezisk.
Wnioski
- GeNemo jest cennym narzędziem dla badaczy w dziedzinie epigenetyki.
- Program zwiększa zdolność do analizy i porównywania danych epigenomowych.
- Zachęca się do przesyłania opinii w celu poprawy funkcjonalności GeNemo.
Często zadawane pytania
Executive Industry Relevance
GeNemo addresses a critical gap in epigenomic data analysis by enabling pattern-based searches across public functional genomic datasets, a capability lacking in traditional text-based tools. This supports target validation and mechanistic de-risking in early discovery by identifying epigenetic signatures associated with disease-relevant cell types and developmental stages. The tool enhances predictive confidence in hypothesis generation for epigenetic modulators and chromatin-associated proteins.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Scientific Value: Enables interrogation of therapeutic hypotheses by comparing user epigenomic data against ENCODE datasets to identify shared patterns in histone modifications, transcription factor binding, and chromatin accessibility.
- Operational Value: Supports functional target validation by revealing cell-type-specific epigenetic landscapes that may indicate regulatory mechanisms of DNA-binding proteins.
- Predictive Value: Facilitates portfolio triage by highlighting genomic regions with similar epigenetic marks, helping prioritize targets with stronger mechanistic rationale.
Screening & Assay Development
- Scientific Value: Prepares validated biological systems for downstream workflows by identifying epigenetic contexts where targets of interest are active, informing assay design.
- Operational Value: Enhances assay standardization and reproducibility by providing quantitative similarity scores and reproducible genomic region outputs.
- Screening Readiness: Enables reliable compound evaluation by defining epigenetically relevant genomic regions for follow-up functional screening.
Translational & Preclinical Research
- Translational Continuity: Connects discovery findings to preclinical validation by identifying epigenetic markers in disease-relevant tissues and developmental stages.
- Biomarker Alignment: Supports translational biomarker development by linking epigenetic patterns to specific cell types and conditions.
- Risk-Adjusted Advancement: Informs decision-making by revealing cross-tissue epigenetic conservation, reducing biological uncertainty in target selection.
Pipeline & Workflow Integration
GeNemo fits within the discovery continuum from hypothesis generation to lead identification, enabling epigenetic data interpretation that informs target selection and assay development.
- Discovery Biology: Supports hypothesis testing and pathway clarification by identifying epigenomic regions with similar patterns to user data across cell types and species.
- Screening: Enhances assay readiness through quantitative outputs and downloadable BED files of matching regions, enabling standardized compound screening in relevant epigenetic contexts.
- Analytics: Provides similarity scores and visualizable genomic tracks that help teams compare epigenetic conditions and prioritize targets.
- Translational Research: Connects to preclinical work by identifying epigenetic signatures in disease-associated tissues, supporting biomarker-aligned target validation.
- Enterprise Reuse: Functions as a reusable bioinformatics capability for epigenomic data interpretation across multiple projects and therapeutic areas.
Operational & Enterprise Impact
- Scientific Value: Increases predictive confidence in target validation by reducing mechanistic ambiguity through epigenomic pattern matching.
- Operational Value: Ensures standardization and scalability via consistent input formats (BED, bigWig) and reproducible search parameters.
- Strategic Value: Improves go/no-go decisions by enabling early epigenetic de-risking, reducing late-stage biological failure risk.
- Portfolio Impact: Supports risk-adjusted prioritization by highlighting targets with strong epigenetic rationale across disease-relevant systems.
Implementation Considerations
- Requires expertise in epigenetics and bioinformatics to interpret pattern-matching results and select appropriate reference datasets.
- Needs access to UCSC genome browser-compatible data formats and internet connectivity for querying ENCODE and other hosted tracks.
- Demands cross-team standardization on data formatting and search parameters to ensure reproducibility across projects.
- Requires adaptation considerations when applying results across model systems (e.g., mouse to human) due to epigenetic divergence.
- Limited to pattern similarity detection; does not infer causal relationships or direct protein-DNA interactions without follow-up validation.
