Method Article

Doğal Dinamikler Görselleştiricisi, Gen Düzenleyici Ağ Çıkarım Ardışık Düzeninden Çıktıları Değerlendirmek ve Görselleştirmek için etkileşimli bir uygulama

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, gelişmiş, kolaylaştırılmış işlevsel ağ modelleri üretimi için gen düzenleyici ağ çıkarım aracına bağlanan etkileşimli bir görselleştirme paketidir. Görselleştirici, çıkarım aracını parametrelendirmek için daha bilinçli kararlar vermek ve böylece ortaya çıkan modellere olan güveni artırmak için kullanılabilir.

Abstract

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

Gen düzenleyici ağ modellerinin geliştirilmesi sistem biyolojisinde önemli bir zorluktur. Bu zorluğun üstesinden gelmek için yeni geliştirilen Inherent Dynamics Pipeline da dahil olmak üzere çeşitli hesaplama araçları ve işlem hatları geliştirilmiştir. Inherent Dynamics Pipeline, sinerjik olarak çalışan ve doğrusal bir şekilde bağlanan ve bir aracın çıktısının daha sonra aşağıdaki araç için giriş olarak kullanıldığı daha önce yayımlanmış birkaç araçtan oluşur. Çoğu hesaplama tekniğinde olduğu gibi, Inherent Dynamics Pipeline'ın her adımı, kullanıcının kesin bir biyolojik tanımı olmayan parametreler hakkında seçim yapmasını gerektirir. Bu seçimler, analiz tarafından üretilen gen düzenleyici ağ modellerini önemli ölçüde etkileyebilir. Bu nedenle, her adımda çeşitli parametre seçimlerinin sonuçlarını görselleştirme ve keşfetme yeteneği, seçimlere ve sonuçlara olan güveni artırmaya yardımcı olabilir. Inherent Dynamics Visualizer, bir web tarayıcısında etkileşimli bir arabirim aracılığıyla parametre seçimlerini değerlendirme sürecini kolaylaştıran kapsamlı bir görselleştirme paketidir. Kullanıcı, işlem hattının her adımının çıktısını ayrı ayrı inceleyebilir, görsel bilgilere dayalı sezgisel değişiklikler yapabilir ve Doğal Dinamikler Ardışık Düzeni için gerekli giriş dosyalarının otomatik olarak üretilmesinden yararlanabilir. Inherent Dynamics Visualizer, zaman serisi transkriptomik verilerden gen düzenleyici ağların keşfi için son derece karmaşık bir araca benzersiz bir erişim sağlar.

Introduction

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

Hücre farklılaşması ve çevresel tepki gibi birçok önemli biyolojik süreç, bir gen düzenleyici ağında (GRN) birbirleriyle etkileşime giren gen kümeleri tarafından yönetilir. Bu GRN'ler kontrol ettikleri fenotipin etkinleştirilmesi ve sürdürülmesi için gereken transkripsiyonsal dinamikleri üretir, bu nedenle GRN'nin bileşenlerini ve topolojik yapısını tanımlamak birçok biyolojik süreci ve işlevi anlamanın anahtarıdır. GRN, düğümleri genler olan ve kenarları etkileşim yönünü ve biçimini tanımlayan bir ağ tarafından tanımlanan etkileşime giren genler ve/veya gen ürünleri kümesi olarak modellenebilir (örneğin, transkripsiyonun aktivasyonu/baskısı, çeviri sonrası modifikasy....

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

Protocol

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

1. IDP ve IDV'yi yükleyin

NOT: Bu bölümde docker, conda, pip ve git'in zaten yüklü olduğu varsayılıyor (Malzeme tablosu).

  1. Terminalde, komutu girin: git klon https://gitlab.com/biochron/inherent_dynamics_pipeline.git.
  2. IDP'nin README dosyasındaki yükleme yönergelerini izleyin.
  3. Terminalde, komutu girin: git klon https://gitlab.com/bertfordley/inherent_dynamics_visualizer.git.
    NOT: IDV'nin klonlaması IDP'nin en üst düzey dizininin dışında gerçekleşmelidir.
  4. IDV'nin README dosyasındaki yükleme yönergelerini izleyin.

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

Results

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

Şekil 1'de metinsel olarak yukarıda ve grafiksel olarak açıklanan adımlar, maya hücre döngüsü çalışmasında toplanan zaman serisi gen ekspresyon verilerinde gözlemlenen dinamikleri üretebilen fonksiyonel GRN modellerini keşfetmenin mümkün olup olmadığını görmek için maya hücre döngüsünün çekirdek salınımlı GRN'sine uygulanmıştır16. IDV'nin IDP çıktısını nasıl netleştirebileceğini ve iyileştirebileceğini göstermek için, sonuçlar, bu analizi iki şekilde gerçekleştirdikte.......

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

Discussion

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

GRN'lerin çıkarımı sistem biyolojisinde önemli bir zorluktur. IDP, verileri giderek daha karmaşık şekillerde kullanan bir dizi araç kullanarak gen ifade verilerinden model GRN'leri oluşturur. Her adım, verilerin nasıl işleyeceği ve IDP'nin bir sonraki katmanına hangi öğelerin (genler, işlevsel etkileşimler) geçirileceği hakkında kararlar gerektirir. Bu kararların IDP sonuçları üzerindeki etkileri o kadar açık değildir. Bu konuda yardımcı olmak için IDV, IDP içindeki GRN çıkarım araçlarının tek tek adımlarından elde edile.......

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

Disclosures

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

Yazarların açıklayacak bir şeyi yok.

Acknowledgements

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

Bu çalışma NIH hibe R01 GM126555-01 ve NSF hibe DMS-1839299 tarafından finanse edildi.

....

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
Pip https://pip.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