遺伝子を使用するプロトコル設定トランスレーショナルリサーチの適切な動物モデルを識別するために濃縮分析
Summary
トランスレーショナル ・ リサーチのための理想的なマウス モデルを識別するトランスクリプトーム データの遺伝子セット濃縮分析用標準プロトコルを提供します。
このプロトコルは、dna と RNA シーケンス データで使用できるし、データが利用可能な場合他のオミックス データをさらに拡張することができます。
Abstract
マウス モデル従来の遺伝子-遺伝子比較技術を使用してからデータセットを人間の病気のトランスクリプトームのデータセットを比較した最近の研究の動物モデルの妥当性に関する矛盾した結論の結果並進研究。異なる遺伝子発現解析の間の相違の主な理由は、特異的発現遺伝子の任意のフィルタ リングです。さらに、単一の遺伝子種と多くのプラットフォームとの間の比較は、人間と動物モデルからのデータ間のコン/不一致の誤解につながる技術の差異によって制限されます。したがって、体系的なデータ解析のための標準化されたアプローチが必要です。主観的な遺伝子のフィルタ リングと非効果的な遺伝子-遺伝子比較を克服するために我々 は最近、遺伝子セット濃縮分析 (GSEA) これらの問題を回避する可能性があることを示した。そこで、トランスレーショナルリサーチの適切と不適切な動物モデルを区別する GSEA の使用のための標準化されたプロトコルを開発しました。このプロトコルは、それは既存の実験的オミックス データを必要と–先験的モデルの新しいシステムを設計する方法を予測するため適していません。ただし、プロトコルでは、このように不必要な動物実験を避けるとトランスレーショナル研究を誤解を招く最も適切な動物モデルを選択するために標準化された方法で既存のデータを解釈する方法について説明します。
Introduction
動物モデルは、遺伝学、解剖学と生理学の観点から人間を想定した類似性のための人間の病気の研究に広く使用されます。また、動物モデルはしばしば臨床治療にゲートキーパーとして、橋渡し研究の成功に大きな影響を持つことができます。最適な動物モデルの慎重な選択は、誤解を招く動物実験の数を減らすことができます。最近では、橋渡し研究の動物モデルの関連性議論されている論争的、矛盾した結論を導いた人間の炎症性疾患と関連するマウス モデルから得られた同じデータセットを分析するために特に1,2。この議論は、オミックス データを分析中に根本的な問題を明らかにした: 偏りのある遺伝子淘汰を減らすために、種間比較3の堅牢性を高めるため体系的なデータ解析のための標準化されたアプローチが必要です。
伝統的に、トランスクリプトーム データ (および他のオミックス データ) の分析が単一遺伝子レベルで行われます、厳格なカットオフ パラメーターに基づく遺伝子選択の最初のステップが含まれています (例えばフォールドの変更を > 2.0、p 値 < 0.05)。ただし、初期カットオフ パラメーターの設定は多くの場合主観的、恣意的で生物学的正当化されなかったは、反対の結論1,2にもつながることができます。さらに、初期遺伝子淘汰は一般的に、いくつか高度のアップとダウンレギュ レート遺伝子分析を制限してより少ない程度に発現された遺伝子の大半を含むように十分な区別はこうして。
2000 年代初頭のゲノミクス時代の上昇と生物学的経路とコンテキストの知識を増やす、統計的方法は、単一遺伝子レベルの解析の限界を回避するために許可されて開発されました。遺伝子セット濃縮分析 (GSEA)4、トランスクリプトーム データの解析のための広く受け入れられている方法の一つである、遺伝子 (例えば、シグナル伝達経路、染色体などの近位場所。) の事前定義グループを使用します。GSEA 最初式で彼らの個々 の変更に関係なくすべて検出されたフィルター処理されていない遺伝子 (例えば経路)、目的の遺伝子セットをマップします。従ってこのアプローチにはも適度に調整された遺伝子単一遺伝子レベルの解析と失われるそれ以外の場合が含まれます。遺伝子セット内の式で添加剤の変更が実行中の合計の統計情報を使用してを実行してその後。
医学研究における広い使用、にもかかわらず GSEA と関連セット濃縮方法がない 考慮複合オミックス データの分析のため。ここでは、橋渡し研究のための理想的なモデルを識別するためにマウス モデルからひと試料からオミックス データを比較するためのプロトコルについて述べる。人間の炎症性疾患を模倣するために使用されるマウス モデルのコレクションに基づくプロトコルの有効性を示す.しかし、この解析パイプライン人間マウス比較に制限されていません、さらに amendable 研究質問です。
Protocol
Representative Results
Discussion
動物モデルは、疾患発現機構の解明と新規治療戦略の開発の適用されている長い。しかし、動物モデルの予測性について懐疑的な見方は、次の臨床試験12の失敗を広めるため始めた。さらに、適切な戦略を分析し、前臨床試験から大きなオミクス データの解釈について論争の議論は、同じデータから異なるデータ分析戦略1 を適用した後反対の結論によって提?…
Disclosures
The authors have nothing to disclose.
Acknowledgements
この作業は、リスク アセスメント (BfR) ドイツ連邦研究所によって融資されました。
References
- Seok, J., et al. Genomic responses in mouse models poorly mimic human inflammatory diseases. Proc Natl Acad Sci U S A. 110 (9), 3507-3512 (2013).
- Takao, K., Miyakawa, T. Genomic responses in mouse models greatly mimic human inflammatory diseases. Proc Natl Acad Sci U S A. 112 (4), 1167-1172 (2015).
- Weidner, C., Steinfath, M., Opitz, E., Oelgeschläger, M., Schönfelder, G. Defining the optimal animal model for translational research using gene set enrichment analysis. EMBO Mol Med. 8 (8), 831-838 (2016).
- Subramanian, A., et al. Gene set enrichment analysis: a knowledge-based approach for interpreting genome-wide expression profiles. Proc Natl Acad Sci U S A. 102 (43), 15545-15550 (2005).
- Kanehisa, M., Sato, Y., Kawashima, M., Furumichi, M., Tanabe, M. KEGG as a reference resource for gene and protein annotation. Nucleic Acids Res. 44 (D1), D457-D462 (2016).
- Kanehisa, M., Goto, S. KEGG: kyoto encyclopedia of genes and genomes. Nucleic Acids Res. 28 (1), 27-30 (2000).
- Fabregat, A., et al. The Reactome pathway Knowledgebase. Nucleic Acids Res. 44 (D1), D481-D487 (2016).
- Croft, D., et al. The Reactome pathway knowledgebase. Nucleic Acids Res. 42 (Database issue), D472-D477 (2014).
- Nishimura, D. BioCarta. Biotech Software & Internet Report. 2 (3), 117-120 (2001).
- Edgar, R., Domrachev, M., Lash, A. E. Gene Expression Omnibus: NCBI gene expression and hybridization array data repository. Nucleic Acids Res. 30 (1), 207-210 (2002).
- Kolesnikov, N., et al. ArrayExpress update–simplifying data submissions. Nucleic Acids Res. 43 (Database issue), D1113-D1116 (2015).
- Cohen, J., et al. Sepsis: a roadmap for future research. Lancet Infect Dis. 15 (5), 581-614 (2015).
- Spinelli, L., Carpentier, S., Montanana Sanchis, F., Dalod, M., Vu Manh, T. P. BubbleGUM: automatic extraction of phenotype molecular signatures and comprehensive visualization of multiple Gene Set Enrichment Analyses. BMC Genomics. 16 (1), 814 (2015).
