Cette méthode peut aider à répondre à des questions clés dans le domaine de la biologie spatiale au sujet de la génération d’hypothèses pour aider la recherche future en utilisant toutes les données mix accessibles au public. Le principal avantage de cette technique est qu’elle peut être utilisée comme un outil pour générer des données de biologie spatiale. Les données accessibles au public sur GeneLab permettent aux recherches de développer des théories cliniques sur les thérapies contre la maladie ou les contre-mesures pour les soins de santé associés aux vols spatiaux avec relativement peu de coûts.
Yasaman Shirazi-Fard, scientifique de mission à l’ISS pour la recherche sur les rongeurs, démontrera les habitats des rongeurs. Après la livraison, regroupez les rongeurs dans des cages de vivarium standard. Et que les animaux s’acclimatent aux barres alimentaires de rongeurs améliorées par les nutriments de la NASA, aux lixits et aux planchers en fil surélevé jusqu’à ce que les animaux soient chargés dans le transporteur.
Pour voyager entre la Terre et la Station spatiale internationale, placez dix souris de chaque côté dans chaque transporteur pour un total de 20 souris par transporteur. Une fois à bord de la Station spatiale internationale, fixez l’unité d’accès des animaux au transporteur et utilisez des boîtes de transfert de souris pour transférer cinq souris à la fois vers les habitats. Pour charger les souris dans l’habitat, détachez l’unité d’accès des animaux du transporteur et attachez l’unité à l’habitat des rongeurs.
Ensuite, transférez les animaux des boîtes de transfert de souris vers les habitats des rongeurs où ils résideront pendant toute la durée de la mission. Chaque jour, la vidéo des animaux à l’intérieur des habitats est examinée par du personnel qualifié pour surveiller la santé et le bien-être des rongeurs. Des conseils et une surveillance pour tous les travaux impliquant des animaux sont fournis par un vétérinaire traitant.
L’imagerie infrarouge est utilisée pour voir les animaux à l’intérieur des habitats pendant la phase sombre du cycle clair-obscurité, lorsque les souris sont généralement les plus actives. Cette vue de caméra montre des barres alimentaires en haut du cadre, une porte d’accès et une fenêtre sur la gauche, et un éclairage infrarouge sur la droite. La source d’eau est à l’extérieur de la vue de la caméra, derrière les barres de nourriture dans cette vue.
Il s’agit de l’habitat de lutte terrestre au deuxième jour de l’étude, pendant la phase sombre du cycle clair-obscurité. Cet habitat est orienté sur terre avec le bac à déchets au fond de la cage, la vue de la caméra regarde vers le bas le long du vecteur de gravité. L’animal le plus proche de la caméra est assis sur le dessus des barres alimentaires, manger.
Il y a cinq souris dans cet habitat, bien que seulement quelques-unes soient habituellement observées en même temps. Les souris ont tendance à préférer les endroits fermés en forme de nid comme l’espace encastré entre les barres alimentaires et la paroi de la cage où ils sont vus se resserrés dans cette vue. C’est aussi l’emplacement de la source d’eau.
Les souris ambulent, toilettent et montrent des interactions sociales qui sont des comportements typiques pour les souris sur terre. Les souris utilisent les six murs de l’habitat pour se déplacer librement et sont observées grimpant fréquemment de haut en bas des murs. Il s’agit de l’habitat de vol le deuxième jour de l’étude pendant la phase sombre du cycle clair-obscurité lorsque les souris sont généralement les plus actives.
Pendant le vol spatial, comme sur terre, les souris se déplacent autour de l’habitat en utilisant les six côtés de la cage. Les souris explorent et ambulent activement dans tout l’habitat et présentent les mêmes comportements que les souris sur terre, y compris manger, boire, toilettage et interactions sociales. Les souris utilisent différentes méthodes pour se propulser sur le compartiment.
Au début du vol, on a généralement vu les souris utiliser leurs membres antérieurs pour se tirer le long de la maille métallique, plus tard pendant le vol, les souris avaient tendance à utiliser les quatre membres pour traverser la grille métallique qui tapisse l’habitat. Les souris se déplaçaient également en flottant d’un endroit à l’autre. Au fur et à mesure que les souris s’acclimataient à l’habitat au cours de l’étude Rodent Research One, elles sont non seulement devenues habiles à se déplacer dans le compartiment, mais elles ont aussi appris à s’ancrer sur les murs à l’aide de leur queue et/ou de leurs pattes.
Sam Gebre, coordonnateur des données de l’équipe GeneLab, démontrera l’analyse des données, l’axe des métadonnées et la description de l’étude. Pour trouver des ensembles de données à analyser sur GeneLab, ouvrez la page Web genelab et cliquez sur le référentiel de données. Entrez les mots clés dans la boîte de données de recherche pour rechercher des zones d’intérêt spécifiques et sélectionnez toutes les autres bases de données d’intérêt souhaitées.
Ensuite, cliquez sur l’icône loupe pour commencer une recherche. Lorsque tous les mots clés ont été recherchés et que vous avez examiné les ensembles de données, cliquez sur les outils, puis l’espace de travail collaboratif, et connectez-vous ou inscrivez-vous pour un nouveau compte, le cas échéant. Après vous être connecté, cliquez sur l’aide et le manuel de l’utilisateur pour accéder à des instructions détaillées sur la façon d’utiliser l’espace de travail.
Pour chaque utilisateur, sélectionnez le laboratoire génétique public pour accéder à tous les ensembles de données du référentiel de laboratoire génétique et ouvrir le dossier avec les données d’intérêt. Pour copier les ensembles de données d’intérêt à un espace de travail d’annuaire local, cliquez à droite sur un fichier individuel, sélectionnez copie/déplacement dans le menu qui apparaît, sélectionnez le dossier pour copier le fichier et cliquez sur copie. Ensuite, trouvez les ensembles de données liés aux publications précédentes qui viennent d’être localisées dans la recherche des ensembles de données et copiez les fichiers de métadonnées dans l’espace de travail local.
Pour accéder aux fichiers de métadonnées pour chaque ensemble de données d’intérêt, ouvrez le sous-dossier public de jeu de données de laboratoire génétique et accédez à un ou plusieurs fichiers de métadonnées contenus dans un sous-dossier de métadonnées de chaque ensemble de données pour localiser les informations de métadonnées pour l’ensemble de données d’intérêt. Assurez-vous que chaque ensemble de données dispose d’un fichier zippé unique qui fournit des métadonnées en fonction de l’enquête, de l’étude, de la spécification de l’onglet d’analyse. Ouvrez un éditeur de texte approprié pour visualiser et accéder aux métadonnées d’onglet d’enquête, d’étude, d’analyse contenant la description du texte pour l’étude et les métadonnées d’analyse pour chaque ensemble de données.
Ensuite, vérifiez la présence des fichiers de données d’analyse de sortie qui sont situés dans chaque sous-dossier d’ensemble de données par type d’analyse. Pour analyser les données transcriptomiques, cliquez sur les outils dans le menu et cliquez sur galaxie. Utilisez l’outil d’importateur d’espace génomique pour importer des données du laboratoire génétique, espace génome.
Les données apparaîtront dans l’historique de la section analyse. Après avoir confirmé l’apparence et les ensembles de données importés et l’historique actuel, utilisez un outil de galaxie GeneLab pour remplir une forme dans le panneau central avec des options d’analyse et de spécification des entrées de données. Remplissez le formulaire et cliquez sur exécuter pour créer des emplois pour exécuter l’analyse et vérifier les travaux soumis qui sont représentés dans l’historique et la couleur codée pour indiquer l’état de l’exécution, puis reliez les outils dans le flux de travail complexe, la gestion des flux de travail avec l’outil workflows, et utilisez le menu de données partagées pour partager les ensembles de données workflows et les histoires avec d’autres chercheurs.
Comme l’illustre ce graphique représentatif, à l’aide de parcelles d’analyse des composants principaux pour regrouper les répliques biologiques, les gènes de pointe des ensembles de gènes d’analyse de l’enrichissement des ensembles de gènes peuvent être déterminés. En utilisant les gènes avec 1,2 changement de pli, les gènes impliqués dans les prédictions pour les régulateurs en amont, les voies canoniques et les fonctions bio peuvent être prédits, permettant aux gènes communs qui se chevauchent impliqués pour tous les gènes d’être regroupés. Ensuite, la représentation réseau de la façon dont ces gènes clés sont à l’origine de la réponse entre les rongeurs et les habitats des rongeurs et les commandes de vivarium affiche les plaques tournantes centrales pour chaque ensemble de données en cours d’analyse.
Par exemple, la carte kinase 1 est le centre central de la mission de navette spatiale STS108 tissus musculaires squelettiques de souris et peut être interprété comme le gène qui conduit les gènes clés et très probablement le joueur central pour causer des différences biologiques pour les souris logées dans les habitats des rongeurs par rapport aux cages vivarium. En prenant une approche de biologie des systèmes, le gène de tous les ensembles de données qui est le plus connecté lors de la construction d’un réseau à partir de tous les gènes clés a ensuite été déterminé, révélant que la carte kinase on est en effet le gène le plus connecté et le hub central de tous les gènes clés. Tout en essayant la procédure, il est important de se rappeler que les chercheurs menant des expériences de recherche sur les rongeurs en biologie spatiale travailleront en étroite collaboration avec les scientifiques de la mission de recherche sur les rongeurs de la NASA, mettre en place et effectuer les expériences.
En outre, toutes les données de mixage liées à la biologie spatiale sont disponibles sur la plate-forme GenesLab de la NASA et l’utilisation de cette procédure est la méthode la plus efficace pour développer de nouvelles hypothèses liées à la biologie spatiale. Cette technique peut également être appliquée à tous les autres ensembles de données de mélange liés aux systèmes biologiques tels que la biologie du cancer, la maladie d’Alzheimer et les maladies cardiovasculaires. Après son développement, cette technique a ouvert la voie à des chercheurs dans le domaine de la biologie spatiale pour commencer à envisager des recherches sur les effets du dioxyde de carbone pour les astronautes de la Station spatiale internationale.
