Ce protocole est significatif, car c’est la première fois que des données transcriptomiques chez les moustiques anophèles gambiens sont rendues librement et facilement accessibles en un seul endroit. Cette technique permet à tous les chercheurs, même ceux qui n’ont pas d’antécédents en bioinformatique, d’accéder librement et facilement aux données d’expression sur leurs gènes préférés et leurs moustiques résistants aux insecticides. Pour commencer, suivez le lien au bas de la page du projet LSTM IR-TEx pour exécuter l’application Web IR-Tex dans un navigateur Web.
Une fois que la page Web a paramé paramétiqué, cliquez sur le bouton Application en haut de la page, qui affichera l’application et les sorties associées. Lisez chaque sortie liée à l’entrée par défaut dans la boîte d’identification de transcription. Sélectionnez les conditions et les ensembles de données Anopheles Coluzzii qui sont exposés aux insecticides pyréthroïdes, ou qui ne sont exposés à aucune classe d’insecticides et aux transcriptions associées avec un coefficient de corrélation supérieur à 0,98.
Pour explorer l’expression d’une transcription d’intérêt, sélectionnez d’abord la transcription. Ensuite, entrez la pièce d’identité de transcription dans la boîte d’identification de transcription, en se souvenant que les transcriptions se terminent en RX en fonction de l’isoforme d’intérêt. Sélectionnez les ensembles de données à interroger en prenant les boîtes pertinentes pour les pays, y compris l’état d’exposition, les espèces d’intérêt et la classe d’intérêt insecticide.
Assurez-vous que ces critères se traduirant par un ensemble de données supérieur à un ensemble de données inclus. Cliquez sur Mise à jour Afficher en bas du menu de sélection ou appuyez sur Retour, en ignorant la valeur de corrélation absolue pour l’instant. Donnez à l’application le temps de mettre à jour.
Qu’il s’agit du premier graphique a le changement de pli Log2 entre une population résistante, et une population de moustiques sensibles au laboratoire de la transcription de l’intérêt, à travers chaque ensemble de données qui répond aux critères sélectionnés. Lisez les informations ci-dessous le graphique comme le pli change entre les moustiques résistants et sensibles pour chaque ensemble de données pertinentes, en plus des valeurs P ajustées associées. Chaque ligne représente des sondes individuelles sur le micro-tableau.
Lisez le tableau supplémentaire ci-dessous, comme le nombre d’expériences dans lesquelles la transcription d’intérêt est significative, ainsi que le nombre total d’expériences correspondant aux critères sélectionnés. Pour télécharger les données en format séparé de l’onglet, cliquez sur le bouton Télécharger sous les deux tables. Cela permet à l’utilisateur d’explorer les données d’une manière plus facile, en utilisant un programme tel qu’Excel.
Chaque point de la carte représente les sites approximatifs de collecte des moustiques résistants dans chaque ensemble de données, dans lequel la transcription de l’intérêt est exprimée différemment. Les couleurs suivent un système de feux de circulation qui est expliqué dans l’application. Enregistrez les sorties graphiques en cliquant à droite, en cliquant sur Enregistrer l’image As et en choisissant un dossier approprié.
Dans le cas d’une erreur de sortie par l’application, il est probable qu’aucun ensemble de données ne corresponde aux critères d’entrée. Les corrélations des modèles d’expression des transcriptions entre plusieurs ensembles de données peuvent être utilisées pour prédire la fonction de transcription et, éventuellement, élucider les transcriptions coréglementées à partir de la même voie. Avant de cliquer sur Mise à jour Afficher, déplacez le curseur de valeur de corrélation absolue à 0,85 et cliquez sur Mise à jour Afficher ou appuyer sur Retour.
Examinez le tableau de corrélation pour trouver les transcriptions multiples qui sont maintenant affichées et qui sont corrélées avec les transcriptions et les transcriptions saisies. Lisez le tableau ci-dessous la sortie graphique, qui contient la valeur de corrélation pour chaque transcription. Pour télécharger les données dans un format séparé de l’onglet, cliquez sur le bouton Télécharger.
Manipulez le curseur de valeur de corrélation absolue et observez tous les changements dans le graphique et le tableau les plus bas. Une plus faible rigueur de la valeur de corrélation affichera plus de transcriptions, mais introduira plus de bruit. Une fois l’IR-TEx installé, ouvrez le fichier de codage supplémentaire RStudio1 et exécutez chaque ligne pour configurer le système pour IR-TEx.
Une fois que tous les paquets sont installés et mis à jour avec succès au besoin, allez à File, Open. Localisez IR_TEx. r, mettre en surbrillance et ouvrir.
Cela devrait maintenant être visible dans la fenêtre supérieure de RStudio. Pour exécuter l’application, appuyez sur le bouton Exécuter l’application en haut à droite de la fenêtre. Une deuxième fenêtre apparaîtra dans laquelle l’application se chargera.
Une fois le chargement terminé, pour toutes les fonctionnalités, cliquez sur Ouvrir dans le navigateur, situé en haut à droite de la fenêtre chargée. L’utilisateur peut ajouter de nouveaux ensembles de données de résistance à IR-TEx générés à l’aide du tableau Agilent Anopheles Gambiae 15k, tel que décrit dans le protocole TEx. Ouvrez le fichier supplémentaire2.txt.
Ce fichier de recherche d’ARN représente le modèle dans lequel de nouvelles données doivent être basées. La colonne A est identificateur, la colonne B est brute Changement de pli, et la colonne C est ajustée valeur P. Exécutez le code R pour faire correspondre les identificateurs dans un seul fichier délimité par onglets sur les plateformes, puis organisez et normalisez les données.
Les instructions sont contenues dans le fichier. N’importe quel chemin de fichier sera séparé par une barre oblique avant pour Mac OS ou une double barre oblique avant pour Windows. Sauvegardez le fichier d’origine.
Extrayez le fichier produit à la fin du fichier de revêtement supplémentaire2 à un endroit de choix pour une utilisation dans l’étape suivante. Le fichier de codage supplémentaire2 donnera une nouvelle Fold_Changes. fichier txt.
Exécutez le code contenu dans le fichier de codage supplémentaire3. Trouvez le fichier de sortie nommé FC_DistribPlot. png dans le dossier spécifié comme chemin de fichier.
Vérifiez les distributions de Log2 Fold Change pour vérifier que les distributions Log2 Fold Change sont presque identiques entre les ensembles de données. On y voit l’expression de l’ARNm de GS TMS1 et AGAP 009110 RA dans deux populations multirésistantes d’Anopheles Coluzzii de Côte d’Ivoire et du Burkina Faso, respectivement. La comparaison avec anopheles Coluzzii N-Guzo, sensible au laboratoire, a révélé que ces transcriptions sont significativement régulées dans deux populations multirésistantes distinctes.
L’ar arn-I induit knock down a été effectué sur les moustiques de la colonie de T-Oscillae laboratoire LSTM. Cette colonie est originaire de Côte d’Ivoire et résiste à toutes les grandes classes d’insecticides utilisés en santé publique. L’atténuation de l’expression de GS TMS1 a eu comme conséquence une augmentation significative de la mortalité, après exposition de Delta Matheran, comparée aux contrôles injectés de GFP, démontrant l’importance de cette transcription dans la résistance pyréthroïde.
Inversement, agap 009110 RA knock down n’a entraîné aucun changement significatif dans la mortalité après exposition. La TPS MS1 a été considérablement plus exprimée dans 20 des 21 ensembles de données de micro-réseaux disponibles pour ces espèces. À chaque endroit, le changement de pli était significativement plus élevé chez les résistants que dans les populations sensibles.
Tous les ensembles de données proviennent d’expériences différentes sur de nombreuses années, et n’ont pas été conçus pour une approche propre basée sur la microanalyse, de sorte qu’il peut être nécessaire de réduire la rigueur normale de la valeur P. D’autres évaluations phénotypiques peuvent être effectuées avec d’autres insecticides et des caractéristiques de l’histoire de la vie. S’il y a des résultats assez bons, la parasitisation en aval peut déterminer le rôle des protéines.
Cette technique est la première application à intégrer des données transcriptomiques sur la résistance aux insecticides du complexe d’espèces anophèles gambiens et à les mettre à la disposition de tous les chercheurs dans ce domaine.
