जीन सेट संवर्धन विश्लेषण का उपयोग करने के लिए अनुवाद अनुसंधान के लिए उपयुक्त पशु मॉडल की पहचान के लिए एक प्रोटोकॉल
Summary
हम transcriptomic डेटा के जीन सेट संवर्धन विश्लेषण के उपयोग के लिए एक मानकीकृत प्रोटोकॉल प्रदान करने के लिए अनुवाद अनुसंधान के लिए एक आदर्श माउस मॉडल की पहचान ।
इस प्रोटोकॉल डीएनए microarray और आरएनए अनुक्रमण डेटा के साथ इस्तेमाल किया जा सकता है और डेटा उपलब्ध हैं, तो आगे अन्य ओमिक्स डेटा के लिए बढ़ाया जा सकता है.
Abstract
हाल ही में अध्ययन है कि तुलना में माउस के साथ मानव रोगों के transcriptomic डेटासेट पारंपरिक जीन का उपयोग कर मॉडल से जीन तुलना तकनीक के लिए अनुवाद के लिए पशु मॉडलों की प्रासंगिकता के बारे में विरोधाभासी निष्कर्ष में परिणाम अनुसंधान. विभिंन जीन अभिव्यक्ति विश्लेषण के बीच विसंगतियों के लिए एक प्रमुख कारण अंतर व्यक्त जीन की मनमानी फ़िल्टरिंग है । इसके अलावा, विभिंन प्रजातियों और प्लेटफार्मों के बीच एकल जीन की तुलना अक्सर तकनीकी विचरण द्वारा सीमित है, और मानव और पशु मॉडल से डेटा के बीच कांग्रेस/कलह की अशुद्धता के लिए अग्रणी । इस प्रकार, व्यवस्थित डेटा विश्लेषण के लिए मानकीकृत दृष्टिकोण की जरूरत है । व्यक्तिपरक जीन फ़िल्टरिंग और अप्रभावी जीन को दूर करने वाली जीन तुलना, हम हाल ही में दिखा दिया है कि जीन सेट संवर्धन विश्लेषण (GSEA) के लिए इन समस्याओं से बचने की क्षमता है । इसलिए, हम GSEA के उपयोग के लिए एक मानकीकृत प्रोटोकॉल विकसित करने के लिए उपयुक्त और अनुचित अनुवाद अनुसंधान के लिए पशु मॉडलों के बीच अंतर । इस प्रोटोकॉल के लिए कैसे नए मॉडल सिस्टम एक–प्राथमिकताओं डिजाइन करने के लिए भविष्यवाणी करने के लिए उपयुक्त नहीं है, क्योंकि यह मौजूदा प्रयोगात्मक ओमिक्स डेटा की आवश्यकता है । हालांकि, प्रोटोकॉल का वर्णन कैसे एक मानकीकृत तरीके से मौजूदा आंकड़ों की व्याख्या के लिए सबसे उपयुक्त पशु मॉडल का चयन करने के लिए, इस प्रकार अनावश्यक पशु प्रयोगों और भ्रामक अनुवाद अध्ययन से परहेज ।
Introduction
पशु मॉडल व्यापक रूप से मानव रोगों का अध्ययन करने के लिए इस्तेमाल कर रहे हैं, आनुवंशिकी के मामले में मनुष्यों के लिए उनके ग्रहण समानता की वजह से, शरीर रचना विज्ञान, और फिजियोलॉजी. इसके अलावा, पशु मॉडल अक्सर नैदानिक उपचार के लिए द्वारपाल के रूप में सेवा और शोधों के अनुसंधान की सफलता पर एक बड़ा प्रभाव हो सकता है । इष्टतम पशु मॉडल के सावधान चयन भ्रामक पशु अध्ययन की संख्या को कम कर सकते हैं । हाल ही में, शोधों के शोध के लिए पशु मॉडलों की प्रासंगिकता पर विवादास्पद रूप से चर्चा की गई है, विशेष रूप से मानव भड़काऊ रोगों और संबंधित माउस मॉडल से प्राप्त एक ही डेटासेट का विश्लेषण विरोधाभासी निष्कर्ष के लिए नेतृत्व किया 1,2. यह चर्चा ओमिक्स डेटा का विश्लेषण करने के दौरान एक मौलिक समस्या का पता चला: व्यवस्थित डेटा विश्लेषण के लिए मानकीकृत दृष्टिकोण की जरूरत है ताकि पक्षपातपूर्ण जीन चयन को कम करने के लिए और प्रजाति की तुलना की मजबूती को बढ़ाने के लिए 3।
परंपरागत रूप से, transcriptomics डेटा का विश्लेषण (और अन्य ओमिक्स डेटा) एकल-जीन स्तर पर किया जाता है और कड़े कट-ऑफ पैरामीटर्स के आधार पर जीन चयन का एक आरंभिक चरण शामिल होता है (उदा., फ़ोल्ड चेंज & #62; २.०, p value & #60; ०.०५). हालांकि, प्रारंभिक कट-ऑफ पैरामीटर्स की सेटिंग अक्सर व्यक्तिपरक, मनमाना और नहीं तार्किक रूप से उचित है, और भी विपरीत निष्कर्ष1,2के लिए नेतृत्व कर सकते हैं । इसके अलावा, प्रारंभिक जीन चयन आम तौर पर कुछ अत्यधिक ऊपर और downregulated जीन के विश्लेषण को प्रतिबंधित करता है और इस प्रकार पर्याप्त संवेदनशील जीन है कि अंतर एक हद तक कम करने के लिए व्यक्त किया गया के बहुमत शामिल नहीं है ।
प्रारंभिक-2000 में जीनोमिक्स युग की वृद्धि और जैविक रास्ते और संदर्भों के बढ़ते ज्ञान के साथ, वैकल्पिक सांख्यिकीय दृष्टिकोण विकसित किया गया है कि एकल जीन स्तर विश्लेषण की सीमाओं को दरकिनार करने की अनुमति दी । जीन सेट संवर्धन विश्लेषण (GSEA)4, जो transcriptomics डेटा के विश्लेषण के लिए व्यापक रूप से स्वीकार किए जाते है तरीकों में से एक है, जीन के एक प्राथमिकताओं परिभाषित समूहों का उपयोग करता है (जैसे, संकेत रास्ते, समीपस्थ स्थान पर एक गुणसूत्र आदि) । GSEA पहले नक्शे सभी का इरादा जीन सेट करने के लिए फ़िल्टर्ड जीन का पता चला (उदा., मार्ग), अभिव्यक्ति में उनके व्यक्तिगत परिवर्तन की परवाह किए बिना । इस दृष्टिकोण इस प्रकार भी मामूली विनियमित जीन है कि अंयथा एकल जीन स्तर विश्लेषण के साथ खो जाएगा शामिल हैं । जीन सेट के भीतर अभिव्यक्ति में additive परिवर्तन बाद में चल रहे राशि के आंकड़े का उपयोग किया जाता है ।
चिकित्सा अनुसंधान में अपने व्यापक उपयोग के बावजूद, GSEA और संबंधित सेट संवर्धन दृष्टिकोण स्वयं स्पष्ट नहीं कर रहे है जटिल ओमिक्स डेटा के विश्लेषण के लिए ध्यान में रखा । यहां, हम माउस मॉडल से उन लोगों के साथ मानव नमूनों से ओमिक्स डेटा की तुलना के लिए एक प्रोटोकॉल का वर्णन करने के लिए अनुवाद अध्ययन के लिए आदर्श मॉडल की पहचान । हम माउस मॉडल है कि मानव भड़काऊ विकारों नकल उतार के लिए उपयोग किया जाता है के एक संग्रह पर आधारित प्रोटोकॉल की प्रयोज्यता प्रदर्शित करता है । हालांकि, इस विश्लेषण पाइपलाइन मानव माउस तुलना करने के लिए प्रतिबंधित नहीं है और आगे अनुसंधान के सवालों के लिए संशोधन करने के लिए है ।
Protocol
1. GSEA सॉफ्टवेयर और आणविक हस्ताक्षर डाटाबेस के डाउनलोड सरकारी GSEA व्यापक संस्थान वेबसाइट (http://software.broadinstitute.org/gsea/index.jsp) के पास जाओ और रजिस्टर GSEA सॉफ्टवेयर तक पहुंच पाने के लिए उपकरण और आणविक हस्ताक्षर डेटाबेस …
Representative Results
Discussion
पशु मॉडल लंबे समय रोग तंत्र की जांच और उपंयास चिकित्सीय रणनीतियों के विकास के लिए लागू किया गया है । हालांकि, संदेह पशु मॉडल के predictivity के बारे में नैदानिक परीक्षण12की विफलताओं के बाद प्रसार शुरू क…
Disclosures
The authors have nothing to disclose.
Acknowledgements
यह काम जर्मन फेडरल इंस्टिट्यूट फॉर रिस्क असेसमेंट (बीएफआर) द्वारा वित्तपोषित था ।
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).
