유전자를 사용 하 여 프로토콜 변환 연구에 대 한 적절 한 동물 모델을 식별 하기 위해 농축 분석 설정

Summary

우리는 유전자 세트 농축 분석 transcriptomic 데이터를 변환 연구를 위한 이상적인 마우스 모델의 사용에 대 한 표준화 된 프로토콜을 제공 합니다.
이 프로토콜 DNA microarray 및 RNA 시퀀싱 데이터와 함께 사용할 수 있습니다 그리고 더 확장 될 수 있습니다 다른 omics 데이터에 데이터를 사용할 수 있는 경우.

Abstract

Transcriptomic 전통적인 유전자-유전자 비교 기술을 사용 하 여 마우스 모델에서 데이터 집합으로 인간의 질병의 데이터 집합을 비교 하는 최근 연구 결과 대 한 동물 모델의 관련성에 관한 모순 된 결론에 변환 연구입니다. 다른 유전자 표정 분석 사이의 불일치에 대 한 주요 이유는 차동 표현한 유전자의 임의 필터링입니다. 또한, 다른 종과 자주 플랫폼 사이의 단일 유전자의 비교는 인간과 동물 모델에서 데이터 간의 콘/부조화의 오해로 이어지는 기술 차이 의해 제한 됩니다. 따라서, 체계적인 데이터 분석에 대 한 표준화 된 접근법이 필요 합니다. 극복 하기 위해 주관적인 유전자 필터링 및 효과 없는 유전자-유전자 비교, 우리는 최근 유전자 세트 농축 분석 (GSEA) 이러한 문제를 방지 하려면 가능성이 있다 시연. 따라서, 우리는 GSEA 변환 연구에 대 한 적절 하 고 부적 절 한 동물 모델을 구분 하기 위해 사용에 대 한 표준화 된 프로토콜을 개발 했다. 이 프로토콜은 기존 실험 omics 데이터 필요–선험적 새로운 모델 시스템을 설계 하는 방법을 예측할 적당 하다. 그러나, 프로토콜 표준화 된 방식으로 가장 적합 한 동물 모델, 따라서 불필요 한 동물 실험을 피하 하 고 오해의 소지가 변환 연구를 선택 하기 위해 기존 데이터를 해석 하는 방법을 설명 합니다.

Introduction

동물 모델 널리 유전학, 해부학 및 생리학 인 간에 게 그들의 가정된 유사 때문에 인간의 질병을 연구 하는 데 사용 됩니다. 또한, 동물 모델 자주 임상 치료에 문지기로 봉사 하 고 변환 연구의 성공에 큰 영향을 미칠 수 있습니다. 최적의 동물 모델의 신중한 선택은 잘못 된 동물 연구의 수를 줄일 수 있습니다. 최근, 변환 연구를 위한 동물 모델의 관련성 논쟁 논의 되었습니다, 특히 때문에 모순 된 결론 ^{주도 인간의 염증 성 질환과 관련 된 마우스 모델에서 얻은 동일한 데이터 집합을 분석 1,2}. 이 토론 omics 데이터를 분석 하는 동안 근본적인 문제를 계시 했다: 체계적인 데이터 분석에 대 한 표준화 된 접근 interspecies 비교 ³의 안정성을 향상 하 고 한쪽으로 치우친된 유전자 선택을 줄이기 위해 필요 하다.

전통적으로, transcriptomics 데이터 (및 기타 omics 데이터)의 분석 단일 유전자 수준에서 수행 되 고 엄격한 차단 매개 변수 기반 유전자 선택의 초기 단계를 포함 한다 (예를들면, 배 변경 > 2.0, p 값 < 0.05). 그러나, 초기 절단 매개 변수 설정을 종종 주관적, 임의적이 고 생물학 정당화 이며 반대 결론^1,2으로 이어질 수 있다. 또한, 초기 유전자 선택은 일반적으로 몇 가지 매우 업 및 downregulated 유전자 분석을 제한 하 고 충분히 차동에 표현 된 유전자의 대다수를 포함 하는 구분 하지 않습니다 따라서.

2000 년대 초반에 게놈의 상승 및 생물 학적 경로 및 컨텍스트 증가 지식, 다른 통계 접근은 단일 유전자 수준 분석의 한계를 우회할 수 개발 되었다. 농축 분석 (GSEA)⁴, transcriptomics 데이터의 분석을 위해 광범위 하 게 허용된 방법 중 하나를 설정 하는 유전자, 유전자 (예를 들어, 경로, 염색체 등 인접 위치 신호.)의 한 선험적 정의 된 그룹을 사용. GSEA 처음 식에 그들의 개인적인 변화에 관계 없이 (예를 들어, 경로), 대상된 유전자 세트를 모든 검색된 필터링 되지 않은 유전자를 매핑합니다. 이 방법은 따라서 또한 알맞게 조절된 유전자를 그렇지 않으면 단일 유전자 수준 분석을 포함 한다. 유전자 집합 내의 식에 첨가제 변화 이후에 실행 합계 통계를 사용 하 여 수행 됩니다.

의료 연구에 있는 그것의 광범위 한 사용에 불구 하 고 GSEA 및 관련된 설정된 농축 접근은 하지 self-evidently 고려 복잡 한 omics 데이터의 분석에 대 한. 여기, 우리가 마우스 모델에서 인간의 샘플에서 omics 데이터 변환 연구에 대 한 이상적인 모델을 식별 비교 하기 위한 프로토콜을 설명 합니다. 우리 인간의 염증 성 질환을 흉내 낸에 사용 되는 마우스 모델의 컬렉션을 기반 프로토콜의 적용을 보여 줍니다. 그러나,이 분석 파이프라인 인간 마우스 비교를 제한 하지 않습니다 이며 더 amendable 연구 질문.

Protocol

1. GSEA 소프트웨어 및 분자 서명 데이터베이스 다운로드 공식 GSEA 광범위 한 연구소 웹사이트 (http://software.broadinstitute.org/gsea/index.jsp)에 고 GSEA 소프트웨어에 대 한 액세스를 얻을 등록 도구 및 분자 서명 데이터베이스 (MSigDB). 다운로드 javaGSEA 데스크톱 응용 프로그램 또는 다른 소프트웨어 옵션 (예를 들어, R 스크립트). 참고: 모든 옵션은 정확히 같은 알고리즘을 구현합?…

Representative Results

GSEA 워크플로 및 모범적인 데이터의 screenshots는 설명 했다. 그림 1 는 transcriptomic 데이터를 포함 하는 유전자 표현 데이터 파일을 보여 줍니다. 모든 연구 설명 형 파일은 필요를 그림 2에 표시 됩니다. 주석이 달린된 유전자 집합 (예를 들어, 경로) 유전자 데이터베이스 설정된 파일 (그림 3)에서 정의 …

Discussion

동물 모델을가지고 오랫동안 질병 메커니즘의 조사와 새로운 치료 전략의 개발에 대 한 적용 되었습니다. 그러나, 회의론 동물 모델의 predictivity에 관한 임상 시험¹²의 실패 다음 확산 시작 했다. 또한, 적절 한 전략을 분석 하 고 전 임상 시험에서 큰 omics 데이터 해석에 대 한 논란이 토론 다른 데이터 분석 전략^{1 적용 한 후 같은 데이터에서 도출 하는 반대 결론에 의…}

Materials

Excel

Microsoft Corporation