Uma ferramenta de estudo da Associação de Caminhos para análises gwas de informações de via metabólica
1 de julho de 2020
Ao executar a Ferramenta de Estudo da Associação pathway (PAST), seja através do aplicativo Shiny ou através do console R, os pesquisadores podem obter uma compreensão mais profunda do significado biológico de seus resultados de estudo de associação genoma -em todo o genoma (GWAS) investigando as vias metabólicas envolvidas.
A análise de associação genômica ampla é uma ferramenta poderosa para descobrir genes associados a uma característica, mas perde muitos deles. O PAST encontra mais desses genes e completa melhor o quadro. O PAST pega a saída do GWAS e adiciona informações sobre as vias que as células usam para construir metabólitos e criar fenótipos em um organismo.
Os genes nessas vias são frequentemente perdidos apenas pelo GWAS. Depois de verificar se os dados GWAS são delimitados por tabulação, use a caixa de arquivo de associação para selecionar um arquivo de associação e a caixa de seleção de arquivo de efeitos para selecionar um arquivo de efeitos. Para carregar dados GWAS com PAST no console do R, modifique e execute o código conforme indicado.
Para carregar dados de desequilíbrio de ligação com PAST Shiny, depois de verificar se os dados de desequilíbrio de ligação são delimitados por tabulação e contêm os tipos apropriados de dados, selecione o arquivo que contém os dados de desequilíbrio de ligação. Para carregar dados de desequilíbrio de ligação com PAST no console do R, modifique e execute o código conforme indicado. Para atribuir SNPs a genes com PAST Shiny, localizando anotações no formato de característica geral, selecione o arquivo que contém as anotações de formato de característica geral e modifique as configurações de acordo com o tamanho da janela e o corte quadrado R que são mais adequados para a espécie que está sendo considerada necessária.
Para atribuir SNPs a genes com PAST no console do R, modifique e execute o código conforme indicado. Depois de verificar se o arquivo de caminhos contém os dados apropriados no formato delimitado por tabulação, selecione o arquivo que contém os dados dos caminhos e confirme se o modo está selecionado nas opções de análise. Se necessário, altere o número de genes que devem estar em um caminho para reter o caminho para a análise e altere o número de permutações usadas para criar a distribuição nula para testar a significância do efeito.
Para descobrir caminhos significativos com o PAST no console do R, modifique e execute o código conforme indicado. Para visualizar gráficos de tapete com PAST Shiny, depois que todas as entradas tiverem sido carregadas e definidas, clique em iniciar análise. Uma barra de progresso aparecerá indicando qual etapa da análise foi concluída pela última vez.
Quando a análise estiver concluída, o PAST Shiny mudará para a guia de resultados e uma tabela de resultados e os gráficos de tapete serão exibidos. Use o controle deslizante para controlar os parâmetros de filtragem. Quando o nível de filtragem for satisfatório, clique no botão baixar resultados para baixar individualmente todas as imagens e tabelas para um arquivo zip nomeado com o título da análise.
Para exibir os gráficos de tapete com PAST no console do R, modifique e execute o código para salvar os resultados. Aqui, é mostrada uma execução bem-sucedida usando os dados de amostra do pacote PAST, que são baseados em um GWAS de labirinto de cor de grão. E aqui é mostrado um exemplo de uma imagem que pode ser baixada clicando no botão de download de resultados.
Este gráfico de tapete foi produzido a partir da análise do caminho dos resultados GWAS criados com o painel de labirinto de 288 linhagens endogâmicas que foram fenótipo para a cor do grão. Como esperado, a via de biossíntese do translicopeno, que produziu carotenóides, foi significativamente associada à cor do grão. Os genes e a via de biossíntese do translicopeno também são marcados na classificação gênica de seu efeito em comparação com todos os outros genes na análise.
O ápice da linha de pontuação de enriquecimento de corrida para todo o caminho é indicado pela linha pontilhada. É usado pelo programa para determinar se o caminho é escolhido e apresentado como um gráfico de tapete. PAST em todos os dados, mas só produz bons resultados para dados de alta qualidade.
As sequências devem conter poucos erros e os dados fenotípicos devem ser coletados sob um desenho estatístico vigoroso. Com os resultados do PAST, os genes que controlam pontos importantes e vias significativas podem ser identificados e, eventualmente, manipulados por meio de seleção, edição de genes e terapia medicamentosa para melhorar uma característica de interesse.
Visão Geral
A Ferramenta de Estudo de Associação de Rotas (PAST) aprimora os resultados de estudos de associação de genoma inteiro (GWAS) ao integrar informações sobre vias metabólicas. Esta ferramenta permite aos pesquisadores identificar genes associados a características que poderiam ser ignorados apenas pelo GWAS.
Principais Componentes do Estudo
Área da Ciência
- Genômica
- Metabolômica
- Bioinformática
Contexto
- Os EFG são eficazes para identificar genes associados a traços, mas frequentemente deixam de detectar muitos deles.
- O PAST complementa os EFG ao fornecer insights sobre vias metabólicas.
- Compreender essas vias pode revelar associações genéticas adicionais.
- Dados de alta qualidade são cruciais para resultados confiáveis.
Objetivo do Estudo
- Para melhorar a identificação de genes associados a características por meio de análise de vias metabólicas.
- Para utilizar a saída de GWAS em busca de insights biológicos mais profundos.
- Para facilitar a descoberta de vias metabólicas significativas relacionadas a características.
Métodos Utilizados
- Verificação de dados para formatos delimitados por tabulação.
- Seleção de arquivos para dados de associação e efeitos.
- Modificação e execução de código R para carregamento de dados.
- Análise de desequilíbrio de ligação e dados de vias metabólicas.
Resultados Principais
- Identificação de vias significativas associadas a características.
- Visualização dos resultados por meio de gráficos rug em PAST Shiny.
- Aplicação bem-sucedida demonstrada com dados de GWAS de cor do grão.
- A via de biossíntese de trans-licopeno está significativamente associada à cor do grão.
Conclusões
- O PAST identifica efetivamente genes e vias adicionais não detectados pelos estudos de associação do genoma inteiro (GWAS).
- Os resultados podem orientar estratégias de manipulação genética para melhoria de características.
- Dados de alta qualidade aumentam a confiabilidade da análise de vias.
Perguntas Frequentes
Relevância Executiva para a Indústria
A Ferramenta de Estudo de Associação de Vias (PAST) aborda uma limitação fundamental nos estudos de associação genômica ampla ao integrar dados de vias metabólicas para identificar genes adicionais associados a traços que são ignorados pelos GWAS padrão. Isso aumenta a confiança na validação de alvos na fase inicial de descoberta, fornecendo um contexto mecanicista para as associações genéticas, apoiando decisões mais informadas de avançar ou não avançar na identificação de candidatos. A melhoria na velocidade e usabilidade da ferramenta permite sua aplicação escalável em fluxos de trabalho de descoberta, reduzindo o tempo para obtenção de insights na geração de hipóteses baseadas em vias.
Aplicações Estratégicas em P&D de Biotecnologia Farmacêutica
Descoberta Inicial e Validação de Alvo
- Valor Científico: Identifica genes dentro de vias biologicamente relevantes que são ignorados apenas pelo GWAS, fortalecendo a investigação de hipóteses terapêuticas.
- Valor Operacional: Permite análise baseada em vias dos resultados do GWAS, acelerando a priorização de alvos e reduzindo riscos.
- Valor Preditivo: Apoia a triagem de portfólios ao destacar vias com fortes associações fenotípicas, aumentando a confiança na seleção de alvos.
Triagem e Desenvolvimento de Ensaios
- Valor Científico: Prepara conjuntos de genes com contexto biológico para triagem subsequente, melhorando a relevância da avaliação de compostos.
- Valor Operacional: Padroniza a análise de vias a partir de dados de GWAS, garantindo insumos reprodutíveis para pipelines de desenvolvimento de ensaios.
- Escalabilidade: Redução do tempo de execução de mais de 24 horas para menos de uma hora viabiliza aplicações de alto rendimento em múltiplas características ou conjuntos de dados.
Pesquisa Translacional e Pré-clínica
- Continuidade Translacional: Relaciona descobertas genéticas a vias metabólicas, apoiando o alinhamento de biomarcadores e a compreensão mecanicista da arquitetura de características.
- Relevância Pré-clínica: Identifica vias passíveis de intervenção farmacológica (por exemplo, biossíntese de trans-licopeno) que podem ser moduladas por edição gênica ou intervenção farmacológica.
- Mitigação de Riscos: Fornece validação ortogonal de associações identificadas em estudos de associação do genoma inteiro (GWAS), reduzindo falsos positivos e aumentando a confiança nas decisões de avanço pré-clínico.
Integração de Pipeline e Fluxo de Trabalho
O PAST se insere no continuum de descoberta ao aprimorar listas de genes derivadas de GWAS com contexto de vias biológicas, apoiando a progressão desde a identificação inicial de alvos até a otimização de fármacos por meio da redução de riscos mecanicistas.
- Biologia da Descoberta: Testa hipóteses sobre associações de traços em nível de via, esclarecendo os mecanismos biológicos por trás dos sinais de GWAS.
- Triagem: Gera listas enriquecidas de genes por vias que melhoram a relevância biológica de campanhas de triagem de compostos.
- Análises: Produz pontuações quantitativas de enriquecimento de vias e métricas de significância (por meio de testes de permutação) para comparar e classificar processos biológicos.
- Pesquisa Translacional: Conecta variantes genéticas a vias funcionais, permitindo a estratificação guiada por biomarcadores em modelos pré-clínicos.
- Reutilização Empresarial: Como ferramenta disponibilizada no Bioconductor e no GitHub, o PAST oferece suporte à análise padronizada e reutilizável de vias em diferentes projetos e equipes.
Impacto Operacional e Empresarial
- Valor Científico: Aumenta a confiança preditiva ao revelar as vias mecanicistas subjacentes aos traços fenotípicos.
- Valor Operacional: Oferece análise rápida e de fácil uso por meio do Shiny ou do console R, melhorando o acesso para não especialistas.
- Valor Estratégico: Aprimora a tomada de decisões na validação de alvos ao reduzir ambiguidades biológicas e aumentar a confiança nos alvos.
- Impacto no Portfólio: Permite a priorização ajustada ao risco de alvos com base em evidências em nível de via, apoiando uma alocação mais inteligente de recursos.
Considerações sobre a Implementação
- Requer experiência no manuseio de dados de GWAS e na interpretação de análises de vias biológicas.
- Depende de arquivos de entrada de alta qualidade e delimitados por tabulação (associação, efeitos, desequilíbrio de ligação e dados de vias).
- Exige padronização de arquivos de anotação gênica (GFF) e parâmetros como tamanho da janela e valor de corte de R² para o mapeamento de SNPs para genes.
- Baseia-se em limiares definidos pelo usuário para o tamanho da via (número mínimo de genes) e para a quantidade de permutações na geração da distribuição nula.
- O desempenho ideal depende de um delineamento rigoroso do estudo fenotípico e de dados de sequenciamento com baixa taxa de erros.
Perguntas Frequentes sobre Biotecnologia Farmacêutica
Chapters in this video
0:05
Introduction
0:32
Genome-Wide Association Study (GWAS) Data Loading
0:57
Load Linkage Disequilibrium (LD) Data Loading
1:26
Single Nucleotide Polymorphism (SNP) Assignment
1:56
Significant Pathway Discovery
2:35
Rugplot Visualization
3:21
Results: Representative GWAS Analyses of Metabolic Pathway Information
4:21
Conclusion
