Summary

Utforska den effekter av rymdfarkosten på mus fysiologi med hjälp av Open Access NASA GeneLab plattformen

Published: January 13, 2019
doi:

Summary

NASA GeneLab plattformen ger oinskränkt tillgång till värdefulla omics data från biologiska rymdfärder Experiment. Vi beskriver hur en typisk musen experiment utförs i rymden och hur data från sådana experiment kan nås och analyseras.

Abstract

Utföra biologiska experiment i rymden kräver särskilda boenden och förfaranden för att säkerställa att dessa undersökningar utförs effektivt och ändamålsenligt. Dessutom ges infrekvent av dessa experiment är det absolut nödvändigt att deras effekter maximeras. Den snabba avancemang omics teknik erbjuder en möjlighet att dramatiskt öka mängden data som produceras från dyrbara rymdfärder exemplar. För att kapitalisera på detta, utvecklat NASA GeneLab plattformen ger obegränsad tillgång till rymdfärder omics data och uppmuntra sin omfattande analys. Gnagare (både råttor och möss) är gemensamma modellorganismer som används av forskare för att undersöka rymdrelaterad biologiska effekter. Inneslutningen hus gnagare under rymdfärder kallas gnagare livsmiljöer (tidigare djur kapsling moduler), som väsentligen skiljer sig från standard vivarium burar i deras dimensioner, luftflöde och tillgång till vatten och mat. Dessutom, på grund av miljö- och atmosfäriska förhållanden på den internationella rymdstationen (ISS) utsätts djur för en högre CO2 -koncentration. Vi rapporterade nyligen att möss i gnagare livsmiljöer uppleva stora förändringar i deras transkriptom oavsett om djuren var på marken eller i rymden. Dessa förändringar var dessutom konsekvent med hypoxisk svar, potentiellt driven av högre CO2 koncentrationer. Här beskriver vi hur en typisk gnagare experiment utförs i rymden, hur omics data från dessa experiment kan nås via den GeneLab plattformen och hur att identifiera viktiga faktorer i denna data. Använder denna process, kan varje individ göra viktiga upptäckter som kan förändra utformningen av framtida rymduppdrag och aktiviteter.

Introduction

Detta manuskript övergripande mål är att ge en tydlig metod för hur du använder NASAS GeneLab platform1 och hur gnagare experiment gjort i rymden omräknas till omics data för analys. Spacefaring människor utsätts för många hälsorisker från förändrad gravitation fält, utrymme strålning, isolering från jorden och andra fientliga miljöfaktorer2,3,4,5, 6. biologiska experiment som utförs i rymden och på marken har bidragit till att definiera och kvantifiera dessa risker7,8,9,10,11, 12 , 13 , 14. i rymden, dessa experiment har utförts på den internationella rymdstationen (ISS), rymdfärjan och andra orbital plattformar. Genomföra dessa experiment kräver specialiserad hårdvara och metodik som ges den unika oro att utföra experiment i rymden inklusive begränsad besättning tid och mikrogravitation miljö. Olika plattformar finns nu för att utföra sofistikerade experiment i rymden med hjälp av växt-, djur- och mikrobiella modeller15.

Djurmodeller har varit särskilt viktigt att främja vår förståelse av hur däggdjur, inklusive människor, svarar på rymdfärder. Dessa inkluderar effekterna av rymdfärder på muskel struktur16,17,18 och immunförsvaret19,20,21. Standard vivarium burar används för bostäder gnagare på jorden lämpar sig inte för rymdfärder Experiment22,23. Därför obemannade över de år möss och råttor har flugit och inrymt i olika burar inklusive japanska Aerospace Exploration Agency (JAXA) livsmiljö bur24, djuret bär utrymme kapslar används på BION-M1 ryska satellit25 ,26,27, möss låda System (MDS) designad av den italienska rymdorganisationen28,29,30, NASA djur kapsling modul (AEM) och nu NASA Gnagare transportör och livsmiljöer23. Gnagare experiment började först ombord på rymdfärjan använder burar som avses som djur kapsling modul (AEM). Denna hårdvara användes i 27 gnagare experiment på rymdfärjan23. Miljöstödens utvecklades ursprungligen för relativt kort experiment fordonsbaserade fjäderbollen (< 20 dagar). Sedan utvecklingen av ISS, miljöstöd har modifierats för längre varaktighet experiment och benämns nu som gnagare livsmiljöer22,23. Den nya gnagare livsmiljöer är utformade för att stödja långvariga uppdrag i ISS använder expediera bearbetning av experimenten för rymdstationen (EXPRESS) Rack interface. Gnagare livsmiljöer är väsentligen skiljer sig från standard vivarium burar i deras dimensioner, luftflöde, filter och avgassystemet och tillgång till mat och vatten (figur 1). Ändå, denna hårdvara har visat sig vara en effektiv forskningsplattform, viktiga insikter om rymdfärder-inducerad ändringarna till däggdjur fysiologi19,31,32,33 ,34,35,36.

Stora volymer omics data kan nu genereras från biologiska rymdfärder Experiment inklusive de som utförs med gnagare. Nyligen, data från dessa omics experiment har gjorts allmänt tillgänglig via NASA GeneLab platform1 som är en omfattande Patientdataarkivet och analysplattform som tillåter vem som helst att utveckla hypoteser från rymdfärder Experiment. GeneLab innehåller verktyg för identifiering, åtkomst, spridning och analys av data. Vi utnyttjade GeneLab datamängder för att visa att skillnaderna mellan standard vivarium burar och specialiserade gnagare livsmiljöer används i rymden orsaka stora skillnader i transkriptom möss36. Vi analyserade fyra olika offentligt tillgängliga datauppsättningar, jämföra olika vävnader från gnagare inrymt i gnagare livsmiljöer eller standard vivarium burar. Med hjälp av en opartisk system biologi analys vi fast beslutna att de huvudsakliga drivkrafterna och vägar som ändrats överensstämde med hypoxisk svar på grund av de höga CO2 nivåer orsakas av högre CO2 koncentrationer på ISS, vilket leder till högre CO 2 koncentrationer i gnagare livsmiljö med tanke på att de är passiva system som tar i luften. Detta visar hur forskare kan använda öppen källkodsverktyg och data för att generera nya rön med implikationen på hur påverkar miljön av ISS astronaut hälsa.

Här beskriver vi hur gnagare experiment utförs i rymden och hur data från dessa experiment kan nås via en öppen källkod, miska plattform relaterade till utrymme biologi. Vi diskutera konfigurationen av gnagare livsmiljöer används för rymduppdrag och hur rymdfärder vävnader bearbetas. Vi beskriver också hur rymdfärder omics data kan upptäckas och nås på GeneLab och hur viktiga faktorer som påverkar det totala svaret på rymdfärder kan vara identifierade36. Det specifika exemplet kommer vi att presentera på hur detta protokoll genomförs kommer att jämföra de biologiska skillnaderna som förekommer i gnagare inrymt i gnagare livsmiljö och vivarium kontroller som publicerades av Beheshti et al.36. Det är viktigt att notera att marken kontroller är nödvändiga för rymdfärder gnagare experiment. Som beskrivs i detta protokoll, görs dessa kontroller med båda identiska villkor (dvs. CO2 villkor, luftfuktighet, temperatur, Bur mått, etc.) i gnagare livsmiljöer på ISS och i standard vivarium burar som har standarden miljö (dvs., CO2 villkor, luftfuktighet och temperatur) förhållandena på jorden. Gnagare inrymt i gnagare Habitat marken kontrollerna möjliggör direkta jämförelsen till gnagare i rymden. Medan gnagare inrymt i vivarium burar tillåta för biologisk jämförelse mellan olika bostäder (t.ex. vivarium burar vs. gnagare maskinvara). Gnagare livsmiljön är annorlunda än vivarium burar som har konstant luftflöde (0,1-0,3 m/s), en lång varaktighet, och en sekundär avgas filter som fångar upp och absorberar det animaliska avfallet styrs till avgas filter av kontinuerlig luftflödet i mikrogravitation. Gnagare livsmiljöer har dessutom passiva system och intag luften. Därför har de också högre CO2 koncentrationer på grund av förhöjda halter i ISS kabinen (~ 5000 ppm).

Protocol

De animaliska protokoll för bostäder och vävnad bearbetning Följ standardriktlinjer för laboratoriet djurvård och har godkänts av NASA: s flyg och marken djur institutionsvård och användning kommittéer (IACUC). 1. konfiguration av gnagare livsmiljöer Obs: NASA gnagare livsmiljöer (tidigare miljöstöd) har olika funktioner från vivarium burar att rymma för operationer i rymden (figur 1). Hus 10 möss i varje gnagare Habitat (upp till 30 g per mus). Hus 5 möss per fack när livsmiljön är konfigurerad i två fack eller 10 möss om det inte finns ett enda fack.Obs: NASA gnagare livsmiljöer har en större tillgänglig yta per gnagare än standard vivarium burar. För marken kontroller djur, hus möss i gnagare Habitat släpper den ISS miljömässiga Simulator (ISSES) under identiska miljöförhållanden som flyg djur inklusive CO2 koncentrationer, temperatur och relativ luftfuktighet. Ge djuren ad libitum tillgång till anpassade gjorde NASA näringsämne uppgraderat gnagare Foodbars (NuRFB) i enlighet med National Research Council (NRC) näringsmässiga kraven för möss37, och vatten genom trycket aktiveras lixits. Övervaka djurens hälsa och beteende som kommer att aktiveras i gnagare livsmiljöer med 12:12 h ljus cykel liknar vivarium burar i standardfaciliteter med LED-belysning under dagen och infraröd belysning under video hälsokontroller som sker under den mörka cykeln. Placera fyra kameror i gnagare Habitat burar för daglig övervakning av djurens hälsa och beteende och samla videoklipp under natten med IR-belysning. Leverera gnagare till ISS i transportör (figur 2B) ombord den Dragon kapsel eller liknande bärraket. Säkerställa att gnagare är observeras och undersökas av NASA flygningen veterinär innan det lastas in i transportören för lanseringen, samt utbildad besättning medlemmar vid ankomsten till ISS och innan överföring till gnagare livsmiljöer. För denna övergångsperiod, hus upp till 20 möss (10 på varje sida) eller 12 råttor i transportören.Obs: Liknar en gnagare livsmiljö, transportören är en passiv enhet för miljöförhållanden. Under denna korta övergångsperiod rymmer singel-enheten upp till 20 möss. 2. gnagare hantering för rymdfärder Experiment Upphandla gnagare från standard leverantörer.Obs: Efter leverans, gruppera gnagare inom standard vivarium burar och har djuren acklimatisera till NASA NuRFB, lixits och upphöjda tråd golv tills djuren lastas in i transportören. Lämnar gnagare i burarna kan djuren att anpassa sig naturligt. Hantering av möss och ur både gnagare livsmiljöer och vivarium burar följer protokoll som vanligen används för alla gnagare experiment12,27,28. Gnagare Habitat systemet (figur 1A) kommer att användas för båda rymdfärder uppdrag på STS och ISS, respektive, och för marken kontroller simulera ISS eller STS miljöförhållanden. För vissa uppdrag använda standard vivarium burar (figur 1B) för kontrollen vivarium. Använd 5 eller 10 möss per standard vivarium bur. För gnagare livsmiljöer, placera 10 möss i två olika fack med 5 möss per fack. Ta bort buren avdelare för att hysa 10 möss per livsmiljö i ett enda fack. Utnyttja tre komponenter av gnagare hårdvaran under rymdfärder uppdrag som beskrivs nedan (figur 2). Placera gnagare i transportör (figur 2B) för resa mellan jorden och ISS eller vice versa på dubbel densitet (10 möss per sida, 20 möss per transportör). En gång på ISS, bifoga den djur tillgång enhet (AAU) (figur 2 c) till transportören. Överföra gnagare från transportören till livsmiljöer med musen flytta lådor (MTB) (5 möss per MTB) (figur 2D).Obs: The AAU används innehåller inga animaliska produkter (t.ex., avföring, urin, päls) från att komma till ISS kabinen. Lossa AAU från transportören och bifoga till gnagare livsmiljön. Sedan överföra djuren från MTB till gnagare livsmiljön (figur 2A) där de är bosatta för hela uppdraget.Obs: CO2 koncentrationen på grund av förhöjda halter i ISS kabinen för alla gnagare livsmiljöer är på 5000 ppm. Övervaka temperaturen och luftfuktigheten gnagare livsmiljöer, men det finns inga aktiva termisk kontroller. Säkerställa att gnagare forskargruppen arbetar med ISS att underhålla och kontrollera temperaturen, som bestämmer temperaturen i gnagare livsmiljön.Obs: Den ljusa och mörka cykeln i gnagare livsmiljöer inträffar varje 12 h (t.ex., 5:00 – 17:00 GMT, lampor på) och ISS besättning utför regelbundna och täta förändringar av mat (per vecka eller varannan vecka) och påfyllning av vatten (varje ~ 28 dagar). 3. dödshjälp av gnagare och bearbetning vävnad För dödshjälp, ge gnagare en överdos av narkos (ketamin/xylazin upp till 150/45 mg/kg kroppsvikt massa utspätt i fosfatbuffrad koksaltlösning för en total volym på 0,3 mL) via intraperitoneal injektion (IP) paras ihop med en sekundär metod för dödshjälp ( cervikal dislokation eller torakotomi). För experiment som utförs på ISS: Returnera gnagare antingen live, eller Eutanasi på ISS. Frysa gnagare slaktkroppar-95 ± 2 ° C i frysarna på ISS och återvända till jorden på tillgängliga tillbaka fordonet (för närvarande SpaceX Dragon kapsel). När gnagare återförs till jorden, dissekera alla organ och vävnader (dvs., lever, njure, hud, muskler, hjärta, mjälte, ögon, binjurarna, lungorna och hjärnan) och förvaras vid-80 ° C eller i RNA stabiliserande lösning. Följ samma förfaranden och tidsinställningar för alla kontroll marken experiment som flyg experimentet med en 3 – 5 dagars förskjutning att matcha ISS telemetridata. Från bevarade vävnader isolera RNA, protein och DNA isolering använder standardprotokoll som beskrivs i detalj är associerad med varje datamängd på GeneLab plattform (genelab.nasa.gov).Obs: Gnagare vävnader inte utnyttjas av den primära försöksledarna som samtliga blivit del av NASA: s institutionella vetenskaplig samling. Dessa prover lagras i Ames Research Center (ARC) icke-mänskliga Biobank där de katalogiserade och göras tillgängliga för begäran av det vetenskapliga samfundet. Tillgängliga vävnader kan hittas på biovetenskap Data Arkiv offentliga webbplats på: https://Lsda.jsc.nasa.gov/Biospecimen. 4. generera Omics Data från RNA, DNA och Protein extrakt Från de extraherade makromolekyler (RNA, DNA, protein) använda standardprotokoll för att generera omics data. Dessa beskrivs i detalj i respektive studie metadata på GeneLab. 5. GeneLab Arkiv och skicka Data Obs: Utrymme biologi relaterade omics data lämnas till den GeneLab. GeneLab accepterar och värd för rymdrelaterad omics data finansieras av flera rymdorganisationer runt om i världen. Generera omics relaterade data som kan vara värd på databasen GeneLab. Skicka genererade data till GeneLab, antingen när analysen är klar eller baserat på bedömning av prövaren.Obs: Uppgifterna till andra offentliga omics databaser importeras och publicerade i GeneLab-arkivet. GeneLab genererade data är kuraterad och publiceras utan en embargoperiod. GeneLab, särskilt prov bearbetning labbet, genererar data från olika rymdfärder experiment med optimerad extraktion protokoll och tekniker för att öka omics data från rymdfärder Experiment. När data är redo att lämnas in, formatera och överföra metadata och data till GeneLab med följande metod (kompletterande bild1): Använda de ISAcreator verktyg för att definiera en experimentell studie och lagra metadata.Obs: The ISAcreator verktyget är tillgängligt för nedladdning med en guidad handledning här38. Se uppgifterna som anges här39 för att förstå accepterade datatyper och format för råvaror och bearbetade datafiler. För att optimera uppladdning och lagring, komprimera datafiler. Överföra metadata och rå eller bearbetad data till GeneLab data kuratorer via arbetsytan40. Skapa ett användarnamn och lösenord och ladda upp data. När data har laddats upp till arbetsytan, dela data till en GeneLab-intendent.Obs: Detaljerade steg om hur man ladda upp och dela filer kan hittas i de Data Submission Guide41. Varje bidrag är verifierade av en kurator och publicerade i GeneLab databasen42. 6. hitta datamängder för analys med hjälp av sökfunktionerna på GeneLab Söka efter olika datamängder på GeneLab genom att gå till länken (kompletterande figur 2)38. Specifikt relaterade till en tidigare publikation36, söka efter följande villkor: GLDS-21, GLDS-111, GLDS-25 och GLDS-63. Tillgång till GeneLab hemsidan genom att klicka på ”GeneLab Data System” på vänster sida av skärmen. Ange ett sökord i rutan ”Sök data” att söka efter specifika intresseområden. I detta fall separat ange var och en av följande dataset identifierare: GLDS-21, GLDS-111, GLDS-25 och GLDS-63. Förutom att söka GeneLab databasen, söka i andra databaser inklusive NIH GEO, EBI stolthet och ANL MG-RAST genom att markera önskade kryssrutor under sökfältet.Obs: För närvarande endast för GeneLab databasen, kan en användare söka med hjälp av följande filterkategorier: organismer, Assay typ, faktorer och projekttyp. 7. förvaring och överföra filer av intresse för analysen. Obs: Arbetsytan GeneLab är utformad för att lagra och överföra filer direkt från databasen GeneLab (kompletterande diagram 3). Klicka på ”arbetsyta” ovanpå menyn datasystem. Om ny användare, registrera ett nytt konto.Obs: Arbetsytan GeneLab drivs av GenomeSpace43. Tillgång till detaljerade instruktioner om hur du använder arbetsytan genom att välja ”Hjälp” uppe i menyn och klicka på User Guide. För varje användare få tillgång till alla datamängderna i GeneLab databasen genom att välja mappen ”allmänheten/genelab” på menyn till vänster. Kopiera datamängderna av intresse till en lokal katalog arbetsyta genom att gå till mappen med data av intresse. Högerklicka på den specifika filen, välj ”Kopiera/flytta” i menyn som visas, Välj mappen för att kopiera filen till och klicka på ”Kopiera”. Hitta följande datamängderna relaterade till en tidigare publikation36 enligt instruktionerna ovan och kopiera över till den lokala arbetsytan: GLDS-21, GLDS-111, GLDS-25 och GLDS-63. 8. tillgång till Metadata och beskrivning av varje studie Obs: Metadatafiler för varje datamängd i GeneLab databasen finns i undermappen ”allmänheten/genelab” datamängd på vänster sida-menyn. Hitta metadatainformation för datamängden sevärdheter genom att använda en eller flera metadatafiler som ingår i en ”metadata” undermapp för varje datamängd. Till exempel för GLDS-100, det finns 2 filer i undermappen ”allmänheten/genelab/GLDS-100/metadata”: ”GLDS-100_metadata_RR1_BIOBANK-Eye-ISA.zip” och ”GLDS-100_metadata_RR1ExpDesign.pdf”. Kontrollera att varje datamängd har en enda zip-fil som innehåller metadata enligt specifikationen ISATab (som inordnas i MIAME, MIAPE och andra MIBBI ram standarder för minsta metadata krav). Avsluta alltid denna typ av filnamn i ”ISA.zip”. Exempelvis, för GLDS-100 är filen ”GLDS-100_metadata_RR1_BIOBANK-Eye-ISA.zip”. Använda de ISACreator verktyg44 eller en textredigerare för att visualisera och komma åt ISATab metadata, som innehåller en textbeskrivning av studien och analys metadata för varje datamängd.Obs: Inom ISATab metadata, prover beskrivs och associerade med bioassays och bioassays beskrivs och associerade med data utdatafiler. Kontrollera förekomsten av assay data utdatafiler som finns inom varje datamängd i undermappar efter typ av test. Exempelvis för GLDS-100, RNA-Seq assay utdatafiler är belägna i den ”offentliga/genelab/GLDS-100/transkriptomik /” mapp. 9. analys av GeneLab Data Obs: Olika rörledningar kan genomföras för olika omics data. Här, fokuserar det specifika exemplet på en opartisk system biologi transcriptomic pipeline som används för att bestämma ”nyckel drivers” av systemet som studeras. Kontrollera tidigare publicerats litteraturer36,45,46,47,48,49,50 för att förstå denna rörledning. När en viss datamängd sevärdheter är vald för analys, hämta data till en lokal maskin med följande metod: Klicka på den specifika datamängden. Klicka på fliken ”studie filer” längst till vänster av rubriker. Se till att alla datafiles och metadata finns i den här menyn. Hämta varje fil genom att klicka på de specifika filnamn. För de microarray datamängder som kommer att hämtas från GeneLab, använda följande Pre-processing steg. Process raw-data för varje datamängd som separat med bakgrunden subtraktion och Quantile normaliseras med RMAExpress51 för den kommersiella microarrays. Skapa princip komponent analys (PCA) tomter använda R för att avgöra hur nära biologiska replikerar grupperade tillsammans. Importera data till MultiExperiment Viewer52 och beräkna betydande gener först med falsk upptäckten hastighet (FDR) statistiken börjar med FDR < 0,05. Om ingen betydande gener dök upp med FDR statistik, sedan använda standard t-tester börjar med ett p-värde < 0,05 för att fastställa betydande generna. När de statistiskt signifikant reglerade generna har bestämts, genomföra en-faldig förändring cut-off ≥ 1.2 eller ≤ -1,2 att jämföra experimentella proverna med kontroller. Använda gen ställa anrikning analys (GSEA)53 för väg och funktionella förutsägelser. Använd GSEA antingen genom GenePattern54,55, direkt genom GSEA, eller använda R programmeringsmiljö. Fastställa de kraftigt reglerade vägar använder följande gen uppsättningar: C2, C5, och kontrollstämplar. Ledande analys på kraftigt reglerade genen uppsättningar samt fastställa framkant gener associerade med varje experimentella jämförelse och Gene Set. Hitta de ledande gener som överlappar mellan alla genen apparater för varje experimentella villkor. Använda en annan plattform för att avgöra förväntade funktioner och vägar som är kraftigt reglerade. I detta fall använda uppfinningsrikedom väg analys (IPA) för att fastställa betydande uppströms regulatorer, biofunctions och kanoniska vägar. Ladda upp listan över gener med-faldig förändring värden för statistiskt signifikant generna bestäms i steg 9.4.4. IPA: s instruktionerna att generera uppströms regulatorer, biofunctions och kanoniska vägar för varje experimentella jämförelse. Bestämma genen associerade uppströms regulatorer, biofunctions och kanoniska vägar som har en aktivering z-score ≥ 2 (indikerade aktivering) eller ≤ -2 (indikerande hämning). Hitta de överlappande gener besläktade med alla förutsägelserna som ovan. Fastställa gemensamma/överlappande gener mellan steg 9.4 och 9.5.Obs: Dessa gener betraktas som de nyckel/föraren gener som styr majoriteten av de förväntade funktioner och verksamhet med de experimentella förhållanden analyseras. Tidigare studier har visat att slå ut eller att främja dessa gener kommer att göra de experimentella villkoret eller system som studeras icke-funktionella45,46,49. Konstruera nät genom IPA (eller nätverk montering programvara) för att fastställa anslutning av generna. Anser mest anslutna genen som central knutpunkt körning de viktiga generna. Kontrollera anslutningen mellan datamängderna genom att gruppera alla viktiga gener i ett nätverk och upprepa anslutningstestet att avgöra det centrala navet som sker bland alla viktiga gener från alla datamängder analyseras. 10. använda Galaxy56 gränssnitt på GeneLab att analysera Transcriptomic Data Obs: Här beskrivs ett protokoll för hur GeneLab Galaxy-gränssnittet (tillgänglig hösten 2018) för att analysera transcriptomic data från GeneLab. Galaxy tutorials överflöd. Exempel tutorials om hur du använder Galaxy är i allmänhet tillgängliga elesewhere57,58. Användare kan logga in på GeneLab med Google eller NASA autentiseringsuppgifter. GeneLab Galaxy verktyg finns under menyn ”analysera”. Följ dessa tre sätt att hämta data till GeneLab Galaxy plattformen. Överföra data från det lokala filsystemet med funktionen ”Upload data”. Importera data från GeneLab GenomeSpace med verktyget GenomeSpace importör under ”Hämta Data” avsnitt.Obs: Alla GeneLab datafiler finns i mappen ”offentlig”, anordnas av datamängden anslutning numret (se ovan). Importera data visas i avsnittet analys på höger sida ”historia”. Användare kan ha flera historier, som hanteras med antingen ”historia alternativ” eller ”Visa alla historier” knappar överst i fönstret historia. Verktyg för analys är börsnoterade och sökbara på vänster sida av gränssnittet. Kontrollera utseendet på datamängder som har importerats på aktuellt.Obs: Många detaljer om data är tillgängliga för kontroll för varje datamängd. Markera ett verktyg på vänster sida att fylla i ett formulär i panelen center, med alternativ för analys och specifikation av indata. Skapa arbetstillfällen för att utföra analysen genom att fylla i formuläret och trycka på ”Kör”. Kontrollera för jobb skickats som representeras i historien och färgkodade för att indikera statusen av utförandet (köade, verkställande, avslutade med eller utan fel). Länka verktyg till komplexa arbetsflöden. Hantera arbetsflöden genom verktyg som finns i ”arbetsflöden” menyn. Figur 3 visar en exempelarbetsflöde som skapats för RNA-seq databehandling. Dela datamängder, arbetsflöden och historier med andra med hjälp av ”delade Data”-menyn.

Representative Results

Fastställa viktiga drivrutiner från rymdfärder transcriptomic data hjälper NASA med att fastställa hälsorisker och utveckla potentiella motåtgärder att bekämpa negativa effekter på astronaut hälsa. I vår senaste publikation, vi har följt stegen ovan och utnyttjade GeneLab datamängder för att framgångsrikt Visa en roman att hitta att CO2 koncentrationer på ISS kan påverka hälsa36. Vi har också använt tekniken ovan i andra studier att framgångsrikt fastställa de viktigaste faktorer som driver det systemet är studerade45,46,47,48,49,50 . Här visar vi hur resultaten från användning av detta protokoll framgångsrikt kan användas för att fastställa de viktigaste drivkrafterna. I denna studie fokuserat vi främst på de biologiska skillnaderna som förekommer i gnagare inrymt i de gnagare vanor marken kontrollerna eller vivarium. Som beskrivits ovan, är det nyckeln till bättre förstå dessa två livsmiljöer, som kommer att ge oss information om möjliga störfaktorer som kan påverka hälsa på grund av miljön på ISS. För alla gnagare rymdfärder Experiment är dessa marken kontroller också nödvändigt att avgöra vilka biologiska faktorer som är kopplade direkt med rymdfärder eller på grund av miljöförhållandena på ISS. Som anges i protokollet, utsätts de miljömässiga villkoren för vivarium livsmiljö inte för den högsta CO2 nivå som är närvarande för gnagare livsmiljön. Vivarium livsmiljö har normala CO2 nivåer som är närvarande på jorden (för närvarande 300 till 380 ppm). Temperatur och luftfuktighet för båda livsmiljöer är liknande. Vi använde följande datamängderna från GeneLab plattformen för att avgöra viktiga gener mellan gnagare inrymt i gnagare Habitat marken kontroller och vivarium marken kontroller som är ansvarig för att driva skillnaderna mellan de två naturtyper: GLDS-21, GLDS-111, GLDS-25 och GLDS-63. Analys för att fastställa betydande generna genomfördes enligt ovan mellan gnagare Habitat (tidigare AEM) och vivarium kontroller självständigt för varje datamängd. PCA tomter visade gruppering av biologiska replikerar (figur 4 visar PCA tomter för GLDS-21). Från förbearbetade data, vi har fastställt de ledande generna från olika GSEA gen uppsättningar. Med gener med 1.2-faldig förändring (log2), har vi kunnat förutsäga genernas med förutsägelser för uppströms regulatorer, kanoniska vägar och biofunctions. För varje datamängd hittade vi sedan de gemensamma/överlappande generna inblandade för alla gener (figur 5). Dessa gener är nu tros vara drivande svaret mellan gnagare i gnagare livsmiljöer (eller AEM) och vivarium kontroller. Nätverk representation av hur dessa viktiga gener ansluta visar de centrala nav för varje datamängd som analyseras (figur 6). Exempelvis är MAPK1 det centrala navet för STS-108 skelettmuskulaturen vävnader från möss (figur 6A). Detta skulle tolkas som den gen som driver de viktigaste generna och troligen den centrala aktören för att orsaka biologiska skillnader för möss inrymt i gnagare livsmiljöer kontra vivarium burar. I vårt tidigare arbete diskuterar vi hur dessa viktiga gener är associerade med CO2 svar från den befintliga vetenskapliga litteraturen och hur dessa gener kan vara ansvarig för biologiska förändringar som observerats i möss36. En helhetssyn system biologi, pröva vi därefter en ”master regulator” som ansluter alla datamängder/vävnader och är potentiellt ansvarig för universal biologiska effekter på gnagare inrymt i miljöstöd jämfört vivarium burar. Detta gjordes genom att bestämma den genen från alla datamängderna som är den mest anslutna när du bygger ett nätverk från alla de viktiga generna. Vi har kunnat visa att MAPK1 är den mest uppkopplade genen och central knutpunkt från alla de viktiga generna (figur 7). För att bekräfta om MAPK1 kan vara ansvarig för biologiska förändringar i möss från högre CO2 nivåer i miljöstöd, vi tittade igenom den vetenskapliga litteraturen för stödjande bevis. Vi hittade flera studier som visar korrelationen av MAPK1 med CO259 och hypoxi19,60,61. Figur 1 : The gnagare Habitat (tidigare AEM) jämfört med vivarium burarna. (A) bild av AEM buren som tillhandahålls av NASA (krediter: NASA/Dominic Hart). (B) standard vivarium buren som för närvarande används (foto taget av vårt laboratorium). Denna siffra har ändrats från Beheshti et al.36. Klicka här för att se en större version av denna siffra. Figur 2 : The gnagare Habitat hårdvara systemet med tre olika moduler inblandade under transport till och från rymduppdrag. Modulen vänster (A) är modulen gnagare Habitat (tidigare AEM), modulen (B) är transportören och rätt modulen (C) är det djur tillgång enhet (AAU). (D) Mus överföringen rutan (MTB). (Krediter: NASA/Dominic Hart). Klicka här för att se en större version av denna siffra. Figur 3 : Exempel analys arbetsflöde som kan användas i gränssnittet GeneLab Galaxy till process RNA-seq data. Klicka här för att se en större version av denna siffra.  Figur 4 : Principal Komponentanalys (PCA) av representativ datamängd efter pre bearbetningssteg. GLDS-21 datamängd för AEM vs. vivarium bur visas murina skelettmuskulaturen från uppdraget STS-118. Klicka här för att se en större version av denna siffra. Figur 5 : Venn diagram som representerar vilka viktiga gener bestäms med olika väg prognosverktyg. Klicka här för att se en större version av denna siffra.  Figur 6 : De viktiga gener som fastställts för alla villkor och murina vävnader mellan AEM vs . vivarium burar. (A-E) Nätverk representation av viktiga gener för varje datamängd/gnagare vävnad. Logga2 vik-ändringar (med en cutoff av 1.2-faldig förändring) att genuttrycket användes för att få olika nyanser av grönt för faldig förändring i nedreglerade gener, medan olika röda nyanser skildra i ledhinnans gener-faldig förändring. Ju mörkare skuggan av grön eller röd, ju större de-faldig förändringen. Denna siffra har ändrats från Beheshti et al.36. Klicka här för att se en större version av denna siffra. Figur 7 : Att bestämma ”master tillsynsmyndighet” för gnagare i gnagare Habitat bostäder jämfört med vivarium burar. Anslutningar mellan alla enskilda viktiga gener (figur 6) fastställdes och visas som ett nätverk genom IPA. Nätverk representeras som en radiell tomt med mest anslutna nyckel gen, MAPK1, i mitten. Klicka här för att se en större version av denna siffra. Kompletterande figur 1: GeneLab-GenomeSpace Integration med ISACreator för att effektivisera uppgiftsbehandling. Vänligen klicka här för att ladda ner denna siffra.  Kompletterande figur 2: skärmdump av GeneLab sökningar med federation/integration med heterogena bioinformatik externa databaser (GEO, stolthet, MG-RAST). Vänligen klicka här för att ladda ner denna siffra Kompletterande bild 3: skärmdump av arbetsytan GeneLab collaborative visar användaren kontohantering och åtkomstkontroller (t.ex., privata, offentliga och delade mappar).  Vänligen klicka här för att ladda ner denna siffra

Discussion

NASA GeneLab plattformen är en omfattande omics databas och analys plattform som gör att forskarsamhället att generera nya hypoteser relaterade till utrymme biologi. Här har vi presenterat en omfattande procedur för gnagare experiment från början av rymdfärder till utvecklingen av nya hypotesen från analysera data som använder en allmänt tillgänglig utrymme biologi plattform. Dessutom har vi också lämnat ett omfattande protokoll på en opartisk system biologi analys för att identifiera viktiga gener köra systemet som studeras. Vi har använt vår senaste studie36 som ett exempel på hur detta protokoll utnyttjas effektivt för att generera den nya hypotesen för utrymme biologi. Vi hoppas att detta hjälper utredarna bättre förstå hur rymdfärder Experiment utförs och hur data från dem leda till tillgängliga data på GeneLab, och slutligen möjliggöra tydligare tolkning av offentligt tillgängliga utrymme biologi omics data.

I området i närheten finns det flera kritiska steg inom vår protokollet angående både gnagare rymdfärder Experiment och analys av uppgifterna. Förstå gnagare livsmiljöen är inställning avgörande för att utveckla och designa det optimala experimentet för rymdfärder. Detta skulle särskilt medföra protokollet och beskrivning som vi har gett i steg 1 i vårt protokoll. När en utredare till fullo förstår de olika villkor som existerande i gnagare livsmiljöer jämfört vivarium burar, kan biologiska resultaten tolkas korreleras ordentligt till miljöförhållandena i rymden. I tillägg, kan inte ändringar av gnagare livsmiljön göras, eftersom gnagare livsmiljö har optimalt utformats och godkänts av NASA för rymdfärder.

För att tolka de biologiska resultat, har vi tillhandahållit en grundlig protokoll på varje steg som är involverade från att ladda upp dina data till GeneLab till analys av data att generera nya utrymme biologi hypotes. Alla steg är viktiga för att förstå hur man generera data, är de viktigaste stegen för dataanalys steg 9 och 10. Steg 9 ger ett protokoll för att analysera transcriptomic data med en opartisk system biologi metod för att bestämma gener/vägar som verkligen driver det experimentella villkor som analyseras. Steg 10 är kritisk, eftersom det ger användarna en enkel metod att analysera omics GeneLab datamängder med hjälp av GeneLab-plattformen. Ändringar i protokollet som kan göras för vissa steg när det gäller analys av data. Särskilt steg 9,4 – 9,6 kan göras med hjälp av R programmering eller någon annan favorit verktyg som användaren föredrar. Beroende på datamängden, kan olika statistik och -faldig förändring cutoffs användas för att bestämma de kraftigt reglerade generna. Dessutom, för att fastställa de viktigaste generna i steg 9.5 och 9.6, kan användaren ändra detta protokoll och använda ett verktyg som utnyttjar de kraftigt reglerade generna för att förutsäga funktioner. Viktigt konceptet är att använda flera prediktiva funktionella omics verktyg möjliggör bestämning av gener inblandade med majoriteten av funktioner regleras i systemet som studeras.

GeneLab plattformen fortsätter att utveckla, och medan de analyser som beskrivs här utfördes efter data hämta, nästa fas av GeneLab kommer att möjliggöra analys av omics data direkt på GeneLab plattform, som kommer att ge ett enkelt arbetsflöde för att generera bearbetade data för högre ordningens analys. Vidare medan vi har fokuserat på ett protokoll för att tolka transcriptomic data, innehåller GeneLab en mängd olika omics data inklusive proteomiska, genomisk, metabolomiska och epigenetisk data. Eventuell plattformen kommer att innehålla rörledningar och riktlinjer för analys av dessa olika typer av omics. Den sista fasen av GeneLab kommer också att genomföra ett system nivå visualisering gränssnitt för att tillåta grundläggande användaren att enkelt generera utrymme biologi hypoteser.

Slutligen, vår biologi systemanalys ger en unik och objektiv metod för att bestämma den drivande gener/vägar i alla system som studeras med omics datauppsättningar. Vi har använt denna metod i flera olika oberoende studier med stor framgång för att fastställa de viktigaste drivkrafter inblandade36,45,46,47,48,49 ,50. I en cancer relaterade omics studie, användningen av denna metod som vi validerat experimentellt att våra förutspådda viktiga gener/vägar körde faktiskt drog behandlingssvar genom att slå ut de viktiga generna i vitro45. Vi observerade, som vi hade förutspått genom detta protokoll, att behandlingen inte var effektiva längre på grund av avsaknad av viktiga gener. Vi anser att detta objektiv system biologi protokoll kan vara ett användbart verktyg för att avgöra viktiga vägar för någon omics studie.

Detta protokoll ger en snabb och effektiv metod för generering av romanen utrymme biologi hypoteser. De data som genereras från GeneLab kan utnyttjas av utredare för framtida finansieringsmöjligheter, experimentell validering och potentiella mål för utveckling av motåtgärder mot mikrogravitation och utrymme strålning. Protokollet som anges här kommer att tillåta framtida utrymme biologi undersökningar att uppstå med optimal effektivitet att möjliggöra säker långsiktig rymduppdrag.

Disclosures

The authors have nothing to disclose.

Acknowledgements

Vi vill tacka Alison French på NASA Ames Life Science Data Archive för hennes hjälp med att få video relaterade till gnagare livsmiljöer och övergripande hjälp med att erhålla bur relaterad information. Vi skulle också vilja tacka Marla Smithwick vid NASA Ames Research Center för hennes hjälp med att få ordentlig information. Finansiering av forskning lämnades av GeneLab projektet vid NASA Ames Research Center, via NASA: s Space biologi-programmet i Division of Space Life och Physical Sciences Research och program (SLPSRA). All användning av varunamn är endast för beskrivande och innebär inte godkännande av den amerikanska regeringen.

Materials

C57BL/6 Mice The Jackson Laboratoy C57BL/6J C57BL/6 mice were used for datasets related to Rodent Research-1 experiments
BALB/C Mice Taconic BALB BALB/C mice were used for datasets related to Rodent Research-3 experiments
Vivarium Cages Charles River Laboratory Standard murine cages purchased from Charles River Laboratory
Rodent Habitat NASA This cage and all components are built internally at NASA
RNAlater ThermoFisher Scientific AM7020 RNAlater is used to store the tissue for further RNA isolation

References

  1. Cortese, F. Vive la radioresistance!: converging research in radiobiology and biogerontology to enhance human radioresistance for deep space exploration and colonization. Oncotarget. 9 (18), 14692-14722 (2018).
  2. Beheshti, A. NASA GeneLab Project: Bridging Space Radiation Omics with Ground Studies. Radiation Research. , (2018).
  3. Fernandez-Gonzalo, R., Baatout, S., Moreels, M. Impact of Particle Irradiation on the Immune System: From the Clinic to Mars. Frontiers in Immunology. 8, 177 (2017).
  4. Bloomfield, S. A., Martinez, D. A., Boudreaux, R. D., Mantri, A. V. Microgravity Stress: Bone and Connective Tissue. Comprehensive Physiology. 6, 645-686 (2016).
  5. Giuliani, A. High-Resolution X-Ray Tomography: A 3D Exploration Into the Skeletal Architecture in Mouse Models Submitted to Microgravity Constraints. Frontiers in Physiology. 9, 181 (2018).
  6. Boice, J. D. The Final Frontier-Research Relevant to Mars. Health Physics. 112 (4), 392-397 (2017).
  7. Chancellor, J. C. Limitations in predicting the space radiation health risk for exploration astronauts. NPJ Microgravity. 4, 8 (2018).
  8. Cucinotta, F. A. Space radiation risks for astronauts on multiple International Space Station missions. PLoS One. 9 (4), e96099 (2014).
  9. Cucinotta, F. A. Review of NASA approach to space radiation risk assessments for Mars exploration. Health Physics. 108 (2), 131-142 (2015).
  10. Frippiat, J. P. Towards human exploration of space: The THESEUS review series on immunology research priorities. NPJ Microgravity. 2, 16040 (2016).
  11. Goel, N. Effects of sex and gender on adaptation to space: behavioral health. Journal of Women’s Health (Larchmt). 23 (11), 975-986 (2014).
  12. Mortazavi, S. M. J., Bevelacqua, J. J., Fornalski, K. W., Welsh, J., Doss, M. Comments on "Space: The Final Frontier-Research Relevant to Mars". Health Physics. 114 (3), 344-345 (2018).
  13. Blottner, D. Morphological, physiological and behavioural evaluation of a ‘Mice in Space’ housing system. Journal of Comparative Physiology B. 179 (4), 519-533 (2009).
  14. Karouia, F., Peyvan, K., Pohorille, A. Toward biotechnology in space: High-throughput instruments for in situ biological research beyond Earth. Biotechnology Advances. 35 (7), 905-932 (2017).
  15. Shen, H. Effects of spaceflight on the muscles of the murine shoulder. The FASEB Journal. 31 (12), 5466-5477 (2017).
  16. Spatz, J. M. Sclerostin antibody inhibits skeletal deterioration in mice exposed to partial weight-bearing. Life Sciences in Space Research (Amst). 12, 32-38 (2017).
  17. Tascher, G. Proteome-wide Adaptations of Mouse Skeletal Muscles during a Full Month in Space. Journal of Proteome Research. 16 (7), 2623-2638 (2017).
  18. Pecaut, M. J. Is spaceflight-induced immune dysfunction linked to systemic changes in metabolism?. PLoS One. 12 (5), e0174174 (2017).
  19. Ward, C. Effects of spaceflight on the immunoglobulin repertoire of unimmunized C57BL/6 mice. Life Sciences in Space Research (Amst). 16, 63-75 (2018).
  20. Rettig, T. A., Ward, C., Pecaut, M. J., Chapes, S. K. Validation of Methods to Assess the Immunoglobulin Gene Repertoire in Tissues Obtained from Mice on the International Space Station. Gravitational and Space Research. 5 (1), 2-23 (2017).
  21. Allen, D. L. Effects of spaceflight on murine skeletal muscle gene expression. Journal of Applied Physiology (1985). 106 (2), 582-595 (2009).
  22. Moyer, E. L. Evaluation of rodent spaceflight in the NASA animal enclosure module for an extended operational period (up to 35 days). NPJ Microgravity. 2, 16002 (2016).
  23. Shimbo, M. Ground-based assessment of JAXA mouse habitat cage unit by mouse phenotypic studies. Experimental Animals. 65 (2), 175-187 (2016).
  24. Aseyev, N. Adaptive Changes in the Vestibular System of Land Snail to a 30-Day Spaceflight and Readaptation on Return to Earth. Frontiers in Cellular Neuroscience. 11, 348 (2017).
  25. Markina, E., Andreeva, E., Andrianova, I., Sotnezova, E., Buravkova, L. Stromal and Hematopoietic Progenitors from C57/BI/6N Murine Bone Marrow After 30-Day "BION-M1" Spaceflight. Stem Cells and Development. , (2018).
  26. Radugina, E. A. Exposure to microgravity for 30 days onboard Bion M1 caused muscle atrophy and impaired regeneration in murine femoral Quadriceps. Life Sciences in Space Research (Amst). 16, 18-25 (2018).
  27. Albi, E. Reinterpretation of mouse thyroid changes under space conditions: the contribution of confinement to damage. Astrobiology. 14 (7), 563-567 (2014).
  28. Cancedda, R. The Mice Drawer System (MDS) experiment and the space endurance record-breaking mice. PLoS One. 7 (5), e32243 (2012).
  29. Neutelings, T. Skin physiology in microgravity: a 3-month stay aboard ISS induces dermal atrophy and affects cutaneous muscle and hair follicles cycling in mice. NPJ Microgravity. 1, 15002 (2015).
  30. Anselm, V., Novikova, S., Zgoda, V. Re-adaption on Earth after Spaceflights Affects the Mouse Liver Proteome. International Journal of Molecular Sciences. 18 (8), (2017).
  31. Baqai, F. P. Effects of spaceflight on innate immune function and antioxidant gene expression. Journal of Applied Physiology (1985). 106 (6), 1935-1942 (2009).
  32. Blaber, E. A., Pecaut, M. J., Jonscher, K. R. Spaceflight Activates Autophagy Programs and the Proteasome in Mouse Liver. International Journal of Molecular Sciences. 18 (10), (2017).
  33. Jonscher, K. R. Spaceflight Activates Lipotoxic Pathways in Mouse Liver. PLoS One. 11 (4), e0152877 (2016).
  34. Moskaleva, N. Spaceflight Effects on Cytochrome P450 Content in Mouse Liver. PLoS One. 10 (11), e0142374 (2015).
  35. Beheshti, A., Cekanaviciute, E., Smith, D. J., Costes, S. V. Global transcriptomic analysis suggests carbon dioxide as an environmental stressor in spaceflight: A systems biology GeneLab case study. Scientific Reports. 8 (1), 4191 (2018).
  36. National Resource Council. . Nutrient Requirements of Laboratory Animals, Fourth Revised Edition, 1995. , (1995).
  37. . NASA GeneLab Data System Available from: https://genelab-data.ndc.nasa.gov/genelab/ (2018)
  38. . GeneLab FAQ Available from: https://genelab.nasa.gov/faq/#6 (2018)
  39. . GeneLab Workspace Available from: https://genelab.nasa.gov/faq/#6 (2017)
  40. . GeneLab Data Submission Guide Available from: https://genelab-data.ndc.nasa.gov/genelab/help/GeneLab_Submission_Guide_2.0.pdf (2017)
  41. . GeneLab repository Available from: https://genelab-data.ndc.nasa.gov/genelab/projects (2017)
  42. Qu, K. Integrative genomic analysis by interoperation of bioinformatics tools in GenomeSpace. Nature Methods. 13 (3), 245-247 (2016).
  43. . ISACreator Available from: https://isa-tools.org/category/isacreator/index.html (2014)
  44. Ravi, D. Proteasomal Inhibition by Ixazomib Induces CHK1 and MYC-Dependent Cell Death in T-cell and Hodgkin Lymphoma. Cancer Research. 76 (11), 3319-3331 (2016).
  45. Wage, J. Proton irradiation impacts age-driven modulations of cancer progression influenced by immune system transcriptome modifications from splenic tissue. Journal of Radiation Research. 56 (5), 792-803 (2015).
  46. Beheshti, A. Tumor-host signaling interaction reveals a systemic, age-dependent splenic immune influence on tumor development. Oncotarget. 6 (34), 35419-35432 (2015).
  47. Beheshti, A., Neuberg, D., McDonald, J. T., Vanderburg, C. R., Evens, A. M. The Impact of Age and Sex in DLBCL: Systems Biology Analyses Identify Distinct Molecular Changes and Signaling Networks. Cancer Informatics. 14, 141-148 (2015).
  48. Beheshti, A. Host age is a systemic regulator of gene expression impacting cancer progression. Cancer Research. 75 (6), 1134-1143 (2015).
  49. Beheshti, A., Peluso, M., Lamont, C., Hahnfeldt, P., Hlatky, L. Proton irradiation augments the suppression of tumor progression observed with advanced age. Radiation Research. 181 (3), 272-283 (2014).
  50. Bolstad, B. M., Irizarry, R. A., Astrand, M., Speed, T. P. A comparison of normalization methods for high density oligonucleotide array data based on variance and bias. Bioinformatics. 19 (2), 185-193 (2003).
  51. Saeed, A. I. TM4 microarray software suite. Methods in Enzymology. 411, 134-193 (2006).
  52. Subramanian, A. Gene set enrichment analysis: a knowledge-based approach for interpreting genome-wide expression profiles. Proceedings of the National Academy of Sciences of the United States of America. 102 (43), 15545-15550 (2005).
  53. Kuehn, H., Liberzon, A., Reich, M., Mesirov, J. P. Using GenePattern for gene expression analysis. Current Protocols in Bioinformatics. , (2008).
  54. Reich, M. GenePattern 2.0. Nature Genetics. 38 (5), 500-501 (2006).
  55. Afgan, E. The Galaxy platform for accessible, reproducible and collaborative biomedical analyses: 2016 update. Nucleic Acids Research. 44 (W1), W3-W10 (2016).
  56. Xu, Y. J., Elimban, V., Dhalla, N. S. Suppression of phosphorylated MAPK and caspase 3 by carbon dioxide. Molecular and Cellular Biochemistry. 436 (1-2), 23-28 (2017).
  57. Sang, N. MAPK signaling up-regulates the activity of hypoxia-inducible factors by its effects on p300. Journal of Biological Chemistry. 278 (16), 14013-14019 (2003).
  58. Seta, K. A., Kim, R., Kim, H. W., Millhorn, D. E., Beitner-Johnson, D. Hypoxia-induced regulation of MAPK phosphatase-1 as identified by subtractive suppression hybridization and cDNA microarray analysis. Journal of Biological Chemistry. 276 (48), 44405-44412 (2001).

Play Video

Cite This Article
Beheshti, A., Shirazi-Fard, Y., Choi, S., Berrios, D., Gebre, S. G., Galazka, J. M., Costes, S. V. Exploring the Effects of Spaceflight on Mouse Physiology using the Open Access NASA GeneLab Platform. J. Vis. Exp. (143), e58447, doi:10.3791/58447 (2019).

View Video