Metabolik Yol Bilgilerinin GWAS Analizleri için Bir Pathway Association Çalışma Aracı
1 Temmuz 2020
Araştırmacılar, Pathway Association Çalışma Aracı'nı (PAST) parlak uygulama veya R konsolu aracılığıyla çalıştırarak, ilgili metabolik yolları araştırarak genom çapındaki ilişki çalışmalarının (GWAS) sonuçlarının biyolojik anlamı hakkında daha derin bir anlayış kazanabilirler.
Genom çapında ilişkilendirme analizi, bir özellikle ilişkili genleri keşfetmek için güçlü bir araçtır, ancak birçoğunu gözden kaçırır. PAST bu genlerden daha fazlasını bulur ve resmi daha iyi tamamlar. PAST, GWAS çıktısını alır ve hücrelerin metabolitleri oluşturmak ve bir organizmada fenotipler oluşturmak için kullandıkları yollar hakkında bilgi ekler.
Bu yollardaki genler genellikle tek başına GWAS tarafından gözden kaçırılır. GWAS verilerinin sekmeyle ayrılmış olduğunu doğruladıktan sonra, bir ilişkilendirme dosyası seçmek için ilişkilendirme dosyası kutusunu ve bir efekt dosyası seçmek için efektler dosyası seçim kutusunu kullanın. R konsolunda GWAS verilerini PAST ile yüklemek için kodu belirtildiği gibi değiştirin ve çalıştırın.
Bağlantı dengesizliği verilerini PAST Shiny ile yüklemek için, bağlantı dengesizliği verilerinin sekmeyle sınırlandırıldığını ve uygun veri türlerini içerdiğini doğruladıktan sonra, bağlantı dengesizliği verilerini içeren dosyayı seçin. R konsolunda PAST ile bağlantı dengesizliği verilerini yüklemek için kodu belirtildiği gibi değiştirin ve çalıştırın. PAST Shiny ile genlere SNP'ler atamak, genel özellik formatındaki ek açıklamaları bulmak için, genel özellik formatı ek açıklamalarını içeren dosyayı seçin ve ayarları, gerekli olduğu düşünülen tür için en uygun olan pencere boyutuna ve R kare kesimine göre değiştirin.
R konsolunda PAST ile genlere SNP'ler atamak için kodu belirtildiği gibi değiştirin ve çalıştırın. Yol dosyasının sekmeyle ayrılmış biçimde uygun verileri içerdiğini doğruladıktan sonra, yol verilerini içeren dosyayı seçin ve analiz seçeneklerinde modun seçili olduğunu onaylayın. Gerekirse, analiz yolunu korumak için bir yolda olması gereken gen sayısını değiştirin ve etkinin önemini test etmek için boş dağılımı oluşturmak için kullanılan permütasyonların sayısını değiştirin.
R konsolunda PAST ile önemli yolları keşfetmek için kodu belirtildiği gibi değiştirin ve çalıştırın. PAST Shiny ile halı çizimlerini görüntülemek için, tüm girişler yüklendikten ve ayarlandıktan sonra analizi başlat'a tıklayın. Analizin en son hangi adımının tamamlandığını gösteren bir ilerleme çubuğu görünecektir.
Analiz tamamlandığında, PAST Shiny sonuçlar sekmesine geçecek ve bir sonuç tablosu ve halı çizimleri görüntülenecektir. Filtreleme parametrelerini kontrol etmek için kaydırıcıyı kullanın. Filtreleme düzeyi tatmin edici olduğunda, tüm görüntüleri ve tabloları analiz başlığıyla adlandırılan bir zip dosyasına tek tek indirmek için sonuçları indir düğmesine tıklayın.
R konsolunda PAST ile halı çizimlerini görüntülemek için, sonuçları kaydetmek üzere kodu değiştirin ve çalıştırın. Burada, tahıl renginden oluşan bir labirent GWAS'ına dayanan PAST paketindeki örnek verileri kullanarak başarılı bir çalıştırma gösterilir. Ve burada, sonuçları indir düğmesine tıklanarak indirilebilecek bir resim örneği gösterilmektedir.
Bu halı grafiği, tane rengi için fenotip olan 288 akraba çizgiden oluşan labirent paneli ile oluşturulan GWAS sonuçlarının yol analizinden üretilmiştir. Beklendiği gibi, karotenoidleri üreten trans-likopen biyosentez yolu, tane rengi ile önemli ölçüde ilişkiliydi. Genler ve trans-likopen biyosentez yolu, analizdeki diğer tüm genlerle karşılaştırıldığında, etkilerinin gen sıralamasında da işaretlenir.
Tüm yol için çalışan zenginleştirme skoru çizgisinin tepe noktası noktalı çizgi ile gösterilir. Yolun seçilip seçilmediğini ve bir halı arsası olarak sunulup sunulmadığını belirlemek için program tarafından kullanılır. GEÇMİŞ tüm verilerde, ancak yalnızca yüksek kaliteli veriler için iyi sonuçlar üretir.
Diziler az sayıda hata içermeli ve fenotipik veriler güçlü istatistiksel tasarım altında toplanmalıdır. GEÇMİŞ sonuçlarla, önemli noktaları ve önemli yolları kontrol eden genler tanımlanabilir ve sonunda ilgilenilen bir özelliği geliştirmek için seçim, gen düzenleme ve ilaç tedavisi yoluyla manipüle edilebilir.
Genel Bakış
Yolak İlişkilendirme Çalışma Aracı (PAST), metabolik yolak bilgilerini entegre ederek genom çapında ilişkilendirme çalışması (GWAS) sonuçlarını geliştirir. Bu araç, araştırmacıların yalnızca GWAS ile gözden kaçabilecek özelliklerle ilişkili genleri belirlemesine olanak tanır.
Temel Çalışma Bileşenleri
Bilim Alanı
- Genomik
- Metabolomik
- Biyoenformatik
Arka Plan
- GWAS, özelliklerle ilişkili genlerin belirlenmesinde etkilidir ancak genellikle birçoğunu gözden kaçırır.
- PAST, metabolik yolaklar hakkında bilgiler sağlayarak GWAS'ı tamamlar.
- Bu yolakların anlaşılması, ek genetik ilişkileri ortaya çıkarabilir.
- Güvenilir sonuçlar için yüksek kaliteli veriler kritik öneme sahiptir.
Çalışmanın Amacı
- Yolak analizi yoluyla özelliklerle ilişkili genlerin tanımlanmasını iyileştirmek.
- Daha derin biyolojik çıkarımlar elde etmek için GWAS çıktılarını kullanmak.
- Özelliklerle ilişkili anlamlı yolakların keşfini kolaylaştırmak.
Kullanılan Yöntemler
- Sekme ile ayrılmış formatlar için veri doğrulama.
- Assosyasyon ve etki verileri için dosya seçimi.
- Veri yükleme için R kodunun düzenlenmesi ve çalıştırılması.
- Bağlantı dengesizliği ve yolak verilerinin analizi.
Ana Sonuçlar
- Özelliklerle ilişkili anlamlı yolakların belirlenmesi.
- Sonuçların PAST Shiny'daki rug plotlar aracılığıyla görselleştirilmesi.
- Tane rengi GWAS verileriyle başarılı uygulama gösterimi.
- Trans-likopen biyosentez yolağının tane rengi ile anlamlı şekilde ilişkili olduğu belirlenmiştir.
Sonuçlar
- PAST, GWAS tarafından gözden kaçırılan ek genleri ve yolakları etkili bir şekilde tanımlar.
- Sonuçlar, özellik iyileştirme için genetik manipülasyon stratejilerine temel oluşturabilir.
- Yüksek kaliteli veriler, yolak analizinin güvenilirliğini artırır.
Sıkça Sorulan Sorular
Sektörel Uygulama Alanları
Yolak İlişkilendirme Çalışma Aracı (PAST), standart GWAS tarafından gözden kaçırılan ek özellikle ilişkili genleri ortaya çıkarmak için metabolik yolak verilerini entegre ederek, genom çapında ilişkilendirme çalışmalarındaki temel bir kısıtlamayı giderir. Bu, genetik ilişkilendirmeler için mekanistik bağlam sağlayarak erken keşif aşamasındaki hedef doğrulama güvenini artırır ve aday belirlemede daha bilinçli devam/durdurme kararlarını destekler. Aracın gelişmiş hızı ve kullanıcı dostu yapısı, keşif iş akışları genelinde ölçeklenebilir uygulamaya olanak tanıyarak yolak tabanlı hipotez oluşturma sürecindeki içgörüye ulaşma süresini kısaltır.
Biyofarma Ar-Ge'sinde Stratejik Uygulamalar
Erken Keşif ve Hedef Doğrulama
- Bilimsel Değer: Tek başına GWAS tarafından gözden kaçırılan, biyolojik olarak ilgili yolaklar içindeki genleri belirleyerek terapötik hipotez sorgulamasını güçlendirir.
- Operasyonel Değer: GWAS çıktılarının hızlı yolak tabanlı analizini sağlayarak hedef önceliklendirmesini ve risk azaltma sürecini hızlandırır.
- Öngörücü Değer: Güçlü fenotipik ilişkileri olan yolakları vurgulayarak portföy seçimine destek olur ve hedef seçimindeki güvenilirliği artırır.
Tarama ve Assay Geliştirme
- Bilimsel Değer: Bileşik değerlendirmesinin uygunluğunu artırarak, sonraki taramalar için biyolojik olarak bağlamlandırılmış gen setleri hazırlar.
- Operasyonel Değer: GWAS verilerinden yolak analizini standartlaştırarak, assay geliştirme süreçleri için tekrarlanabilir girdiler sağlar.
- Ölçeklenebilirlik: Çalışma süresinin 24+ saatten bir saatin altına düşürülmesi, birden fazla özellik veya veri seti üzerinde yüksek kapasiteli uygulama imkanı sunar.
Translasyonel ve Preklinik Araştırmalar
- Translasyonel Süreklilik: Genetik bulguları metabolik yollarla ilişkilendirerek biyobelirteç uyumunu ve özellik mimarisinin mekanistik olarak anlaşılmasını destekler.
- Preklinik Uygunluk: Gen düzenleme veya farmakolojik müdahale yoluyla modüle edilebilen ilaçla hedeflenebilir yolları (örneğin, trans-likopen biyosentezi) belirler.
- Risk Azaltma: GWAS sonuçlarının ortogonal validasyonunu sağlayarak yalancı pozitifleri azaltır ve preklinik ilerleme kararlarındaki güveni artırır.
Boru Hattı ve İş Akışı Entegrasyonu
PAST, GWAS kaynaklı gen listelerini yolak bağlamıyla zenginleştirerek, başlangıçtaki hit tanımlamasından mekanistik risk azaltma yoluyla öncü bileşik optimizasyonuna kadar olan süreci destekleyerek keşif sürekliliğine uyum sağlar.
- Keşif Biyolojisi: Yolak düzeyindeki özellik ilişkileri hakkındaki hipotezleri test ederek GWAS sinyallerinin arkasındaki biyolojik mekanizmaları aydınlatır.
- Tarama: Bileşik tarama kampanyalarının biyolojik uygunluğunu artıran yolakla zenginleştirilmiş gen listeleri oluşturur.
- Analitik: Biyolojik süreçleri karşılaştırmak ve sıralamak için nicel yolak zenginleştirme skorları ve anlamlılık metrikleri (permutasyon testi aracılığıyla) üretir.
- Translasyonel Araştırma: Genetik varyantları fonksiyonel yolaklarla ilişkilendirerek preklinik modellerde biyobelirteç güdümlü stratifikasyona olanak tanır.
- Kurumsal Yeniden Kullanım: Bioconductor ve GitHub üzerinden yayınlanmış bir araç olan PAST, projeler ve ekipler arasında standartlaştırılmış, yeniden kullanılabilir yolak analizlerini destekler.
Operasyonel ve Kurumsal Etki
- Bilimsel Değer: Fenotipik özelliklerin temelinde yatan mekanistik yolakları ortaya çıkararak öngörü güvenini artırır.
- Operasyonel Değer: Shiny veya R konsolu üzerinden hızlı ve kullanıcı dostu analizler sunarak uzman olmayanlar için erişilebilirliği artırır.
- Stratejik Değer: Biyolojik belirsizliği azaltıp hedef güvenini artırarak hedef doğrulamadaki karar verme süreçlerini geliştirir.
- Portföy Etkisi: Yolak düzeyindeki kanıtlara dayanarak hedeflerin riske göre ayarlanmış önceliklendirilmesine olanak tanır ve daha akıllı kaynak tahsisini destekler.
Uygulama Hususları
- GWAS veri işleme ve yolak analizi yorumlama konusunda uzmanlık gerektirir.
- Yüksek kaliteli, sekme ile ayrılmış girdi dosyalarına (asosyasyon, etkiler, bağlantı dengesizliği ve yolak verileri) bağlıdır.
- Gen anotasyon dosyalarının (GFF) ve SNP-gen eşlemesi için pencere boyutu ve R² eşik değeri gibi parametrelerin standartlaştırılmasına ihtiyaç duyar.
- Yolak boyutu (minimum gen sayısı) ve nul dağılım oluşturma için permütasyon sayısı için kullanıcı tanımlı eşik değerlerine dayanır.
- Optimal performans, titiz bir fenotipik çalışma tasarımına ve düşük hatalı sekanslama verilerine bağlıdır.
Biyofarma SSS
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
