Геномная МРТ - общественный ресурс для изучения последовательности Шаблоны в геномной ДНК
9 мая 2011 г.
Мы представляем общественности вычислительной веб-сайта для анализа геномных последовательностей. Он обнаруживает модели последовательности ДНК с различными неслучайный нуклеотидных композиций. Этот ресурс также генерирует рандомизированных последовательностей с различными уровнями сложности.
Общая цель этой процедуры заключается в исследовании неслучайности среднего уровня, также называемой гомогенностью заданной пользователем геномной последовательности. Это достигается путем предварительного изучения олигонуклеотидного состава входной последовательности и создания таблицы частот олигонуклеотидов, составляющих последовательность. Эта цель достигается путем вызова программы SRI Analyzer.
Второй шаг заключается в получении случайных последовательностей, которые имеют точно такой же олигонуклеотидный состав, как и входная последовательность. Это достигается за счет вызова программы-генератора SRI. Третьим этапом процедуры является нахождение сегментов внутри входных и рандомизированных последовательностей, которые значительно обогащены определенным нуклеотидом или комбинацией нуклеотидов, например, GC или ag.
Эта цель достигается с помощью программы «Анализатор МРТ». Заключительным этапом процедуры является загрузка файлов, содержащих последовательности всех областей МРТ, обнаруженных программой. В конечном счете, могут быть получены результаты, показывающие, что большинство областей генома многоклеточных ариасов значительно обогащены сегментами, содержащими экстремальные значения состава оснований, обнаруженные для каждого из четырех нуклеотидов или любой из их комбинаций.
Они в однородных областях связаны с необычными подтверждениями ДНК и/или определенными свойствами ДНК. Этот метод может помочь ответить на ключевые вопросы в области геномики, такие как поиск потенциально функциональных элементов ДНК в обширных областях некодирующих последовательностей, включая межгенные области или входы. Хотя этот метод может дать представление о геноме млекопитающих, он также может быть применен к другим организмам, таким как беспозвоночные, растения, грибы и бактерии.
Откройте домашнюю страницу онлайн геномного среднего уровня по гомогенности или пакета G GM I по адресу www.bioinfo.utoledo. edu/gri/the web resource. Также предоставляет подробную информацию о программах в справке по ссылке Readme.
В то время как все опубликованные материалы по геномной МРТ и подобным алгоритмам перечислены в ссылках на соответствующие ресурсы, создайте файл с более быстрым форматированием последовательности для начала сеанса анализа A-G-M-R-I. Более быстрая последовательность начинается с морковки или символа «больше», за которым следует уникальный идентификатор или имя и последовательность в следующих строках. Только нуклеотиды TG и C будут обработаны с помощью геномной МРТ, хотя допускаются и другие входные данные признаков.
Используется файл последовательности для одного гена PKD. Чтобы продемонстрировать сеанс, нажмите кнопку запуска. Откроется новая веб-страница, которая дает возможность скопировать и вставить последовательность ввода в предоставленное окно или если файл большой.
Чтобы загрузить файл, нажмите кнопку «Выбрать файл». Перейдите к нужному файлу. Затем нажмите кнопку «Начать эту сессию с этим файлом» Подтверждение того, что файл был успешно загружен, отображается вверху страницы. Ниже.
Это сообщение является идентификатором текущей сессии, которая в данном случае является C eight EP oh six. Чтобы проанализировать короткий диапазон однородности входной последовательности, нажмите кнопку Анализировать короткий диапазон однородности. Программа открывает новую страницу, специально предназначенную для выполнения программы SRI Analyzer.
Здесь нам нужно выбрать максимальную длину исследуемых олигонуклеотидов. Поскольку наши входные последовательности среднего размера составляют около 50 000 нуклеотидов, мы выбираем формеры как наибольшую длину олигонуклеотидов, для которых будут рассчитываться частоты. Наконец, нам нужно немедленно нажать кнопку анализа файла.
Программа вычисляет частоты всех олигонуклеотидов выбранной длины и меньшей длины во входной последовательности. Чтобы увидеть частоты всех олигонуклеотидов, нажмите на ссылку скачать файл состава. Этот файл называется user file.
com представляет собой таблицу с тремя столбцами. В первом столбце указываются олигонуклеотиды. Второй представляет их относительные частоты, а третий представляет количество олигонуклеотидов в входной последовательности.
Чтобы сгенерировать рандомизированные последовательности с тем же олигонуклеотидным составом, что и входной файл, перейдите на вкладку «Генератор SRI». На новой странице выберите количество выборок случайных последовательностей, которые будут сгенерированы. Каждый из этих образцов будет содержать случайные последовательности того же количества и длины, что и входные последовательности в пользовательском файле.
В этом примере пользовательский файл представляет собой последовательность гена PKD one. Далее выберите наибольшую длину олигонуклеотидов, частоты которых будут аппроксимированы в рандомизированных последовательностях, выбрав радиокнопку для формеров, которая обозначает четыре олигонуклеотида основания. Затем выберите два для количества выборок рандомизированных последовательностей, которые будут сгенерированы.
Наконец, запустите программу, нажав кнопку «Создать файл» для входных последовательностей сотен тысяч нуклеотидов. На генерацию случайных последовательностей может уйти пара минут. Поэтому подождите, пока внизу этой страницы не появятся синие ссылки для скачивания.
Для анализа среднего диапазона по однородности входных и рандомизированных последовательностей перейдите на вкладку «Анализатор МРТ». На новой странице выберите последовательность для анализа в списке файла для анализа. Затем выберите содержимое GC из списка семи типов содержимого.
Содержание GC расшифровывается как G плюс C композиция. Поле размера окна позволяет выбрать длину окна, для которого будут проверяться последовательности с богатым и плохим содержимым. Оставьте размер окна по умолчанию 50 нуклеотидов.
Наконец, выберите верхний и нижний пороги для регионов с богатым и бедным контентом соответственно. Эти пороговые значения могут быть определены по количеству конкретных нуклеотидов в текущем окне или по процентному соотношению этих нуклеотидов в окне. В этом случае мы изначально выберем случайные значения 60% для верхнего порога и 30% для нижнего порога.
Далее нажмите кнопку анализа файла После этого появляется ссылка на выходной файл и отображается графическое представление результатов. Все области с богатым содержимым во входной последовательности помечены синими пиками вверх, а области с низким содержанием — красными пиками вниз. На графике видно, что существует слишком много синих шипов, которые показывают области, богатые GC, и гораздо меньше красных пиков, которые показывают области с низким GC.
Это означает, что выбранные параметры не являются оптимальными. Для следующей итерации используйте верхний порог в 75% и нижний порог в 32%. Снова запустите МРТ-анализатор, нажав кнопку анализа файла.
Новый график показывает, что даже для новых, гораздо более строгих параметров, есть сотни синих шипов. Поэтому увеличьте верхний порог до 80% и повторите расчеты. Новый график показывает, что 62 богатых GC областей имеют содержание GC больше или равно 80%, а 28 бедных GC областей с содержанием GC ниже 32%. Далее сравните результаты для входного файла с двумя рандомизированными последовательностями, которые имеют тот же олигонуклеотидный состав, что и один ген PKD.
Для этого измените последовательность с одного гена PKD на случайную с помощью списка «Файл для анализа», сохранив при этом те же параметры для богатых и бедных областей GC. Вновь сгенерированное графическое отображение для случайной последовательности номер один показывает, что эта случайная последовательность имеет только одну плохую область GC и 31 богатую область GC. Другая рандомизированная последовательность может привести к некоторым колебаниям в количестве областей с богатым и бедным контентом, но тенденция должна быть такой же.
Рандомизированные последовательности для поликистоза почек у одного гена имеют в несколько раз меньше. Регионы, богатые GC, более чем в 10 раз меньше бедные регионы GC. В следующей демонстрации используется другой тип содержимого МРТ.
В том же pkg один человеческий ген интроны этого гена содержат несколько богатых пурином областей, связанных со структурами DN aex. На веб-странице МРТ-анализатора переключите содержимое ДНК на нуклеотиды ag, которые представляют собой пурины. Оставьте размер окна равным 50 основаниям и измените верхний порог на 80%, а нижний порог на 10%, затем нажмите кнопку анализа файла, чтобы вызвать программу.
Показанный график показывает, что этот ген имеет шесть областей, богатых Ag, обозначенных синими вертикальными шипами, и 14 областей с низким содержанием Ag, обозначенных красными шипами. Затем сравните эти результаты, полученные для одного гена PKD, с данными из рандомизированных последовательностей, которые имеют тот же олигонуклеотидный состав, что и исследуемый ген, сначала переключитесь на рандомизированную последовательность, например номер два, и сохраните те же параметры, что и в предыдущем тесте. График для этой случайной последовательности показывает, что она содержит только одну регион, богатую сельским хозяйством, и ни одной области с низким содержанием сельскохозяйственной продукции.
Все данные, сгенерированные во время сеанса, сохраняются в специальных файлах, доступных через вкладку «Файлы загрузки» в правом верхнем углу каждой веб-страницы. Открыв эту ссылку, загрузите входную последовательность, а также все сгенерированные рандомизированные последовательности. Под этим списком файлов находится ссылка на таблицу частот олигонуклеотидов, сгенерированную программой анализатора SRI.
Далее идут ссылки на все результаты, полученные программой МРТ-анализатора во время сеанса. Например, нажмите на файл пользователя RAND one four AGCO 50 32 14, представляющий результаты, полученные для рандомизированной последовательности. Номер один со следующими параметрами, содержание ag 50 нуклеотидов длинное окно, верхний порог, 32 нуклеотида и нижний порог 14 нуклеотидов.
В этом файле все сегменты нуклеотидной последовательности, которые соответствуют критериям богатого или плохого содержания, а также их координаты доступны в виде списка в соответствии с их последовательным положением вдоль входной последовательности. После просмотра этого видео у вас должно сложиться хорошее понимание того, как ориентироваться по геномной МРТ, вычислительному ресурсу.
Обзор
В этой статье представлен вычислительный веб-ресурс, предназначенный для анализа геномических последовательностей с акцентом на выявление неслуча́йных нуклеотидных составов. Инструмент генерирует рандомизированные последовательности с похожими олигону́клеотидными составами, что облегчает исследование геномической неоднородности.
Основные компоненты исследования
Область науки
- Геномика
- Биоинформатика
- Вычислительная биология
Предпосылки
- Исследование посвящено анализу средней неслуча́йности в геномических последовательностях.
- В нем используются различные программы для анализа олигону́клеотидных составов и генерации случайных последовательностей.
- Понимание этих паттернов может раскрыть функциональные элементы ДНК в некодирующих регионах.
- Метод применим к различным организмам, включая млекопитающих и растения.
Цель исследования
- Исследовать неслуча́йность в геномических последовательностях.
- Генерировать случайные последовательности, сохраняющие тот же олигону́клеотидный состав, что и исходный.
- Идентифицировать обогащенные нуклеотидными сегменты в геномических регионах.
Используемые методы
- Анализ олигону́клеотидного состава с помощью программы SRI Analyzer.
- Генерация случайных последовательностей с помощью программы SRI generator.
- Идентификация обогащенных сегментов с помощью программы MRI Analyzer.
- Файлы с результатами анализа, содержащие анализированные последовательности и результаты, доступные для скачивания.
Основные результаты
- Создаются таблицы частот олигону́клеотидов из исходных последовательностей.
- Создаются рандомизированные последовательности, отражающие олигону́клеотидный состав оригинала.
- Выявляется значительное обогащение определенных нуклеотидных комбинаций в геномических регионах.
- Предоставляются графические представления богатых и бедных контентом регионов.
Выводы
- Вычислительный ресурс помогает в идентификации функциональных элементов в некодирующей ДНК.
- Он улучшает понимание геномической неоднородности у различных видов.
- Методы могут быть применены в широком диапазоне геномических исследований.
Часто задаваемые вопросы
Executive Industry Relevance
Genomic MRI provides a computational approach to detect non-random nucleotide patterns in non-coding DNA, supporting target validation by identifying regulatory elements with potential functional significance. This enables mechanistic de-risking in early discovery by linking sequence inhomogeneity to biological processes such as gene expression and recombination. The resource enhances predictive confidence in lead identification by prioritizing genomic regions with extreme base composition for downstream assay development.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Scientific Value: Interrogates therapeutic hypotheses by identifying mid-range inhomogeneity regions associated with non-B-form DNA structures involved in gene regulation.
- Operational Value: Enables functional target validation through computational detection of sequence patterns enriched in purine-rich or GC-rich regions.
- Predictive Value: Supports portfolio triage by highlighting genomic regions with fixation bias against homogeneity-reducing mutations, indicating evolutionary conservation and potential functionality.
Screening & Assay Development
- Scientific Value: Prepares validated biological systems for downstream workflows by characterizing sequence patterns that correlate with unusual DNA conformations.
- Operational Value: Addresses assay standardization and reproducibility by generating randomized sequences with matched oligonucleotide composition for comparative analysis.
- Screening Readiness: Highlights platform reuse through freely available internet resources that facilitate examination of vast non-coding regions across species.
Translational & Preclinical Research
- Translational Continuity: Discusses disease relevance by linking MRI regions to regulation of gene expression and recombination, supporting biomarker alignment in preclinical models.
- Risk-Adjusted Advancement: Describes continuity from discovery through preclinical validation by enabling cross-species application in invertebrates, plants, fungi, and bacteria.
- Mechanistic De-risking: Focuses on predictive value by identifying sequence patterns associated with functional DNA elements in non-coding regions.
Pipeline & Workflow Integration
The method integrates into the discovery continuum from target validation through lead identification to preclinical work by providing quantitative outputs on sequence enrichment that inform biological de-risking decisions.
- Discovery Biology: Supports hypothesis testing and pathway clarification by analyzing oligonucleotide composition and identifying enriched nucleotide segments in user-specified genomic sequences.
- Screening: Describes assay readiness and reproducibility through generation of randomized sequences with identical oligonucleotide composition for comparative MRI analysis.
- Analytics: Highlights measurements and statistical outputs such as frequency tables and graphical representations of content-rich and content-poor regions to enable condition comparison.
- Translational Research: Connects to preclinical continuity by demonstrating applicability across organisms, supporting biomarker alignment in disease-relevant systems.
- Enterprise Reuse: Frames the method as a reusable capability via a freely accessible web resource for standardized genomic sequence analysis across projects.
Operational & Enterprise Impact
- Scientific Value: Predictive confidence, target validation, reduction of mechanistic ambiguity in non-coding DNA interpretation.
- Operational Value: Standardization, reproducibility, and scalability through automated sequence analysis and randomized control generation.
- Strategic Value: Better go/no-go decisions, capital efficiency, and reduced late-stage biological risk by prioritizing functionally relevant genomic regions early.
- Portfolio Impact: Risk-adjusted prioritization and advancement decisions based on evolutionary conservation signals in MRI regions.
Implementation Considerations
- Required scientific expertise in bioinformatics and genomics for interpreting oligonucleotide frequency tables and MRI outputs.
- Instrumentation and analytical infrastructure needs include web access to the Genomic MRI resource and capacity to handle sequences up to hundreds of thousands of nucleotides.
- Cross-team standardization requirements involve consistent use of window size, threshold parameters, and nucleotide content types (e.g., GC, AG) for reproducible MRI analysis.
- Adaptation considerations across model systems include validation of sequence input format (FASTA) and restriction to A, T, G, C nucleotides despite tolerance for other characters.
- Practical limitations include dependency on user-defined thresholds for content-rich and content-poor regions, which require optimization to avoid over-prediction of enriched segments.
Biopharma FAQs
Chapters in this video
0:05
Title
2:04
Preparation and Input Sequence Upload
3:50
Short-Range Inhomogeneity (SRI) and Random Sequence Generation
6:20
Analysis of Mid-Range Inhomogeneity (MRI)
9:38
Using Genomic MRI to Identify MRI Patterns
11:00
Viewing Saved Data
12:20
Conclusion
