JoVE Logo
Authors
Contact Us

Sign In

A subscription to JoVE is required to view this content. Sign in or start your free trial.

In This Article

  • Summary
  • Abstract
  • Introduction
  • Protocol
  • תוצאות
  • Discussion
  • Disclosures
  • Acknowledgements
  • Materials
  • References
  • Reprints and Permissions

Summary

Visualizer Dynamics Inherent היא חבילת ויזואליזציה אינטראקטיבית המתחברת לכלי הסקת רשת רגולטורית גנטית ליצירה משופרת ויעילה של מודלי רשת פונקציונליים. visualizer יכול לשמש כדי לקבל החלטות מושכלות יותר עבור parameterizing כלי ההסקה, ובכך להגביר את האמון במודלים המתקבלים.

Abstract

פיתוח מודלים של רשתות רגולציה גנטית הוא אתגר מרכזי בביולוגיה של מערכות. מספר כלים וצינורות חישוביים פותחו כדי להתמודד עם אתגר זה, כולל צינור הדינמיקה הטבועה החדש שפותח. צינור הדינמיקה האינהרנטית מורכב ממספר כלים שפורסמו בעבר ופועלים בסינרגיה ומחוברים באופן סינרגטי, כאשר הפלט של כלי אחד משמש לאחר מכן כקלט עבור הכלי הבא. כמו ברוב הטכניקות החישוביות, כל שלב של צינור הדינמיקה הטבועה דורש מהמשתמש לקבל החלטות לגבי פרמטרים שאין להם הגדרה ביולוגית מדויקת. בחירות אלה יכולות להשפיע באופן משמעותי על מודלים של רשת רגולטורית גנים המיוצרים על ידי הניתוח. מסיבה זו, היכולת לדמיין ולחקור את ההשלכות של בחירות פרמטרים שונות בכל שלב יכולה לעזור להגביר את הביטחון בבחירות ובתוצאות. Visualizer דינמיקה Inherent היא חבילת ויזואליזציה מקיפה המייעלת את התהליך של הערכת בחירות פרמטרים באמצעות ממשק אינטראקטיבי בתוך דפדפן אינטרנט. המשתמש יכול לבחון בנפרד את הפלט של כל שלב של הצינור, לבצע שינויים אינטואיטיביים המבוססים על מידע חזותי, וליהנות מייצור אוטומטי של קבצי קלט נחוצים עבור צינור הדינמיקה הטבוע. Visualizer דינמיקה Inherent מספק רמה חסרת תקדים של גישה לכלי מורכב מאוד לגילוי של רשתות רגולטוריות גנים מנתונים transcriptomic סדרת זמן.

Introduction

תהליכים ביולוגיים חשובים רבים, כגון בידול תאים ותגובה סביבתית, נשלטים על ידי קבוצות של גנים המקיימים אינטראקציה זה עם זה ברשת רגולטורית גנים (GRN). GRNs אלה מייצרים את הדינמיקה התמלולית הדרושה להפעלת ותחזוקה של הפנוטיפ שהם שולטים בו, ולכן זיהוי הרכיבים והמבנה הטופולוגי של GRN הוא המפתח להבנת תהליכים ופונקציות ביולוגיים רבים. GRN עשוי להיות מעוצב כקבוצה של גנים אינטראקציה ו / או מוצרי גנים המתוארים על ידי רשת שצמתים שלה הם הגנים ושקצוותיה מתארים את הכיוון והצורה של אינטראקציה (למשל, הפעלה / דיכוי של תמלול, שינוי לאחר התרגום וכו ') 1. אינטראקציות יכולות לבוא לידי ביטוי לאחר מכן כמודלים מתמטיים פרמטרים המתארים את ההשפעה שיש לגן מווסת על ייצור היעדים שלו(ים)2,3,4. הסקת מסקנות של מודל GRN דורשת הן הסקת מסקנות של מבנה רשת האינטראקציה והן הערכה של פרמטרי האינטראקציה הבסיסיים. מגוון שיטות מסקנה חישוביות פותחו כי לבלוע נתוני ביטוי גנים סדרת זמן ופלט GRN מודלים5. לאחרונה, פותחה שיטת הסקת GRN חדשה, הנקראת צינור הדינמיקה האינהרנטית (IDP), המשתמשת בנתוני ביטוי גנים של סדרות זמן כדי לייצר מודלים של GRN עם אינטראקציות רגולטור-יעד מסומנות המסוגלות לייצר דינמיקה התואמת לדינמיקה הנצפית בנתוני ביטוי הגנים6. IDP הוא חבילה של כלים המחוברים באופן ליניארי לתוך צינור וניתן לחלק אותו לשלושה שלבים: שלב איתור צומת שמדרג גנים בהתבסס על מאפייני ביטוי גנים הידועים או חשודים כקשורים לפונקציה של GRN7,8, שלב מציאת קצה המדורג יחסים רגולטוריים זוגיים8, 9, וצעד חיפוש רשת המייצר דגמי GRN המסוגלים לייצר את הדינמיקה הנצפית10,11,12,13,14,15.

בדומה לרוב השיטות החישוביות, ה- IDP דורש קבוצה של ארגומנטים שצוינו על-ידי המשתמש המכתיבים את אופן הניתוח של נתוני הקלט, וערכות שונות של ארגומנטים יכולות להפיק תוצאות שונות על אותם נתונים. לדוגמה, מספר שיטות, כולל IDP, מכילות ארגומנטים המחילים סף מסוים על הנתונים, והגדלה/הקטנה של סף זה בין ריצות רצופות של השיטה המסוימת עלולה לגרום לתוצאות שונות בין הפעלות (ראה תוספת הערה 10: שיטות הסקת מסקנות רשת של 5). הבנת האופן שבו כל ארגומנט עשוי להשפיע על הניתוח ועל התוצאות הבאות חשובה להשגת ביטחון גבוה בתוצאות. שלא כמו רוב שיטות ההסקה של GRN, ה- IDP מורכב מכלים חישוביים מרובים, שלכל אחד מהם יש קבוצת ארגומנטים משלו שהמשתמש חייב לציין ולכל אחד מהם יש תוצאות משלו. בעוד IDP מספק תיעוד נרחב על איך parameterize כל כלי, התלות ההדדית של כל כלי על הפלט של השלב הקודם עושה parameterizing הצינור כולו ללא ניתוחי ביניים מאתגר. לדוגמה, ארגומנטים בשלבי קצה ומציאת רשת עשויים להיות מעודכנים על ידי ידע ביולוגי קודם, ולכן יהיו תלויים בערכת הנתונים ו / או באורגניזם. כדי לחקור תוצאות ביניים, יהיה צורך בהבנה בסיסית של תכנות, כמו גם הבנה עמוקה של כל קבצי התוצאה ותכולתם מה- IDP.

Inherent Dynamics Visualizer (IDV) היא חבילת תצוגה חזותית אינטראקטיבית הפועלת בחלון הדפדפן של המשתמש ומספקת דרך למשתמשים ב- IDP להעריך את ההשפעה של בחירות הארגומנט שלהם על תוצאות מכל שלב ב- IDP. ה- IDV מנווט במבנה מדריך כתובות מסובך המיוצר על-ידי ה- IDP ואוסף את הנתונים הדרושים עבור כל שלב ומציג את הנתונים באיורים ובטבלאות אינטואיטיביים ואינטראקטיביים שהמשתמש יכול לחקור. לאחר בחינת תצוגות אינטראקטיביות אלה, המשתמש יכול להפיק נתונים חדשים משלב IDP שיכולים להתבסס על החלטות מושכלות יותר. לאחר מכן ניתן להשתמש בנתונים חדשים אלה באופן מיידי בשלב הבא של IDP. בנוסף, חקר הנתונים יכול לעזור לקבוע אם יש להפעיל מחדש שלב IDP עם פרמטרים מותאמים. ה- IDV יכול לשפר את השימוש ב- IDP, כמו גם להפוך את השימוש ב- IDP לאינטואיטיבי ונגיש יותר, כפי שהוכח על ידי חקירת מתנד הליבה GRN של מחזור תאי השמרים. הפרוטוקול הבא כולל תוצאות IDP מהפעלת IDP עם פרמטרים מלאים לעומת גישה המשלבת את ה- IDV לאחר הפעלות של כל שלב IDP, כלומר, צומת, קצה ואיתור רשת.

Access restricted. Please log in or start a trial to view this content.

Protocol

1. התקנת IDP ו- IDV

הערה: סעיף זה מניח כי docker, conda, pip, ו- git מותקנים כבר (רשימת חומרים).

  1. במסוף, הזן את הפקודה: שיבוט git https://gitlab.com/biochron/inherent_dynamics_pipeline.git.
  2. בצע את הוראות ההתקנה בקובץ README של IDP.
  3. במסוף, הזן את הפקודה: שיבוט git https://gitlab.com/bertfordley/inherent_dynamics_visualizer.git.
    הערה: שיבוט ה- IDV אמור להתרחש מחוץ לספריה ברמה העליונה של IDP.
  4. בצע את הוראות ההתקנה בקובץ README של IDV.

2. מציאת צומת

  1. צור קובץ תצורה חדש של IDP המגדיר את שלב חיפוש הצמתים.
    הערה: אין להקליד את כל המרכאות בשלבים הבאים. המרכאות משמשות כאן רק כמפריד בין טקסט הפרוטוקול לבין מה שיש להקליד.
    1. הוסף את הארגומנטים העיקריים IDP לקובץ התצורה.
    2. פתח קובץ טקסט חדש בעורך טקסט והקלד "data_file =", "annotation_file =", "output_dir =", "num_proc=", "num_proc=", ו-"IDVconnection = True" בשורות בודדות.
    3. עבור "data_file", לאחר הסימן שווה ל, הקלד את הנתיב אל קובץ סידרת הזמן המתאים והקלד פסיק על שם השם. הפרד כל נתונים באמצעות פסיק, אם נעשה שימוש ביותר ממערכת נתונים של סידרה חד פעמית. ראה קובץ משלים 1 וקובץ משלים 2 לקבלת דוגמה של קבצי ביטוי גנים של סדרות זמן.
    4. הקלד את הנתיב אל קובץ הביאור והשם של קובץ הביאור עבור "annotation_file", לאחר הסימן השווה ל. ראה קובץ משלים 3 לקבלת דוגמה של קובץ ביאור.
    5. בתיבה "output_file", לאחר הסימן שווה לחתימה, הקלד את הנתיב אל התיקיה ושם התיקיה שבה יישמרו התוצאות.
    6. לאחר הסימן שווה ל, עבור "num_proc", הקלד את מספר התהליכים שה- IDP צריך להשתמש בהם.
    7. הוסף ארגומנטים של חיפוש צומת לקובץ התצורה.
    8. באותו קובץ טקסט כמו בשלב 2.1.1, הקלד בסדר המוצג "[dlxjtk_arguments]", "periods =", ו- "dlxjtk_cutoff =" בשורות בודדות. מקם אותם לאחר הטיעונים העיקריים.
    9. עבור "periods", לאחר הסימן שווה ל, אם נעשה שימוש בערכת נתונים חד-פעמית של סידרה, הקלד כל אורך תקופה המופרד באמצעות פסיקים. עבור יותר מערכת נתונים של סידרה חד פעמית, הקלד כל ערכה של אורכי תקופה כבעבר, אך מקם סוגריים מרובעים סביב כל ערכה ומקם פסיק בין הערכות.
    10. לאחר הסימן השווה ל, עבור "dlxjtk_cutoff", הקלד מספר שלם המציין את המספר המרבי של גנים שיש לשמור בפלט gene_list_file על ידי דה ליכטנברג על ידי JTK_CYCLE (DLxJTK) (טבלה 1).
      הערה: מומלץ מאוד לסקור את dlxjtk_arguments מקטעים ב- IDP README כדי לקבל הבנה טובה יותר של כל ארגומנט. ראה קובץ משלים 4 לקבלת דוגמה של קובץ תצורה עם הארגומנטים חיפוש צומת שצוינו.
  2. במסוף, עבור לספריית IDP, הנקראת inherent_dynamics_pipeline.
  3. במסוף, הזן את הפקודה: conda activate dat2net
  4. הפעל את IDP באמצעות קובץ התצורה שנוצר בשלב 2.1 על-ידי הפעלת פקודה זו במסוף, כאשר <גדיר שם קובץ> שם הקובץ: שם הקובץ python src/dat2net.py
  5. במסוף, עבור לספריה בשם inherent_dynamics_visualizer והזן את הפקודה: . /viz_results.sh
    הערה: יצביע על הספריה המשמשת כספריית הפלט עבור IDP.
  6. בדפדפן אינטרנט, הזן http://localhost:8050/ ככתובת ה- URL.
  7. כאשר IDV פתוח כעת בדפדפן, לחץ על הכרטיסיה חיפוש צומת ובחר את תיקיית מציאת הצומת של עניין מהתפריט הנפתח.
  8. אצור באופן ידני רשימת גנים חדשה מטבלת רשימת הגנים ב- IDV כדי שתשמש לשלבי IDP הבאים.
    1. כדי להרחיב או לקצר את טבלת רשימת הגנים, לחץ על החצים למעלה או למטה או הזן באופן ידני מספר שלם בין 1 ל- 50 בתיבה לצד ביטוי הגנים של גנים המדורגים DLxJTK. למעלה: .
    2. בטבלת רשימת הגנים, לחץ על התיבה לצד גן כדי להציג את פרופיל ביטוי הגנים שלו בגרף קו. ניתן להוסיף גנים מרובים.
    3. ציין באופן אופציונלי את מספר הסלים בגודל שווה לחישוב ולהזמנה של גנים לפי מרווח הזמן המכיל את ביטוי השיא שלהם, על-ידי הזנת מספר שלם לתיבת הקלט מעל טבלת רשימת הגנים הנקראת מספר שלם של קלט שכותרתו מספר שלם של קלט כדי לחלק את המחזור הראשון לפחים:.
      הערה: אפשרות זו ספציפית לדינמיקה מתנדנדת וייתכן שאינה ישימה לסוגים אחרים של דינמיקה.
    4. בחר העדפת צפייה במפת חום על-ידי לחיצה על אפשרות תחת סדר גנים לפי: ביטוי מרבי מחזור ראשון (טבלה 1) המזמין גנים בהתבסס על זמן שיא ביטוי הגנים במחזור הראשון.
      הערה: דירוג DLxJTK מזמין גנים בהתבסס על דירוג התקופתיות מאלגוריתם DLxJTK של IDP.
    5. לחץ על לחצן הורד רשימת גנים כדי להוריד את רשימת הגנים לתבנית הקובץ הדרושה לשלב חיפוש קצה. ראה קובץ משלים 5 לקבלת דוגמה של קובץ רשימת גנים.
  9. בטבלת ביאור הגנים הניתן לעריכה, סמן גן כיעד, כרגולטור או שניהם בקובץ הביאור עבור השלב 'חיפוש קצה' בריצה חדשה של 'חיפוש קצה'. אם גן הוא רגולטור, סמן את הגן כמפעיל, כמדחיק או שניהם.
    1. כדי לתייג גן כפעיל, לחץ על התא בעמודה tf_act ושנה את הערך ל- 1. כדי לתייג גן כמדחיק, שנה את הערך בעמודה tf_rep ל- 1. גן יורשה לפעול הן כמפעיל והן כמדכא בשלב חיפוש קצה על-ידי הגדרת הערכים הן בעמודות tf_act והן כעמודות tf_rep ל- 1.
    2. כדי לתייג גן כיעד, לחץ על התא בעמודת היעד ושנה את הערך ל- 1.
  10. לחץ על לחצן הורד ביאור קובץ כדי להוריד את קובץ הביאור לתבנית הקובץ הדרושה לשלב חיפוש הקצה.

3. מציאת קצה

  1. צור קובץ תצורה חדש של IDP שמפרפר את שלב חיפוש הקצה.
    1. הוסף את הארגומנטים העיקריים IDP לקובץ התצורה. פתח קובץ טקסט חדש בעורך טקסט וחזור על שלב 2.1.1.1.
    2. הוסף ארגומנטים של חיפוש קצה לקובץ התצורה.
    3. באותו קובץ טקסט כמו בשלב 3.1.1, הקלד בסדר המוצג "[lempy_arguments]", "gene_list_file =", "[netgen_arguments]", "edge_score_column =", "edge_score_thresho =", "num_edges_for_list =", "seed_threshold =", ו-"num_edges_for_seed =" בשורות בודדות. אלה צריכים לרדת מתחת לטיעונים העיקריים.
    4. עבור "gene_list_file", לאחר הסימן שווה לחתימה, הזן את הנתיב אל שם קובץ רשימת הגנים שנוצר בשלב 2.8.5.
    5. עבור "edge_score_column", לאחר הסימן שווה לחתימה, הזן "pld" או "norm_loss" כדי לציין איזו עמודת מסגרת נתונים מפלט lempy משמשת לסינון הקצוות.
    6. בחר "edge_score_threshold" או "num_edges_for_list", ומחק את השני. אם האפשרות "edge_score_threshold" נבחרה, הזן מספר בין 0 ל- 1. מספר זה ישמש לסינון קצוות בהתבסס על העמודה שצוינה בשלב 3.1.5.
      1. אם נבחר "num_edges_for_list", הזן ערך השווה או קטן ממספר הקצוות האפשריים. מספר זה ישמש לסינון הקצוות בהתבסס על אופן הדירוג שלהם בעמודה שצוינה בשלב 3.1.5. הקצוות שנותרו ישמשו לבניית רשתות ב'חיפוש רשת'.
    7. בחר "seed_threshold" או "num_edges_for_seed" ומחק את השני. אם האפשרות "seed_threshold" נבחרה, הזן מספר בין 0 ל- 1. מספר זה ישמש לסינון קצוות בהתבסס על העמודה שצוינה בשלב 3.1.5.
      1. אם נבחר "num_edges_for_seed", הזן ערך השווה או קטן ממספר הקצוות האפשריים. מספר זה ישמש לסינון הקצוות בהתבסס על אופן הדירוג שלהם בעמודה שצוינה בשלב 3.1.5. הקצוות שנותרו ישמשו לבניית רשת הזרעים (טבלה 1) המשמשת ב'חיפוש רשת'.
        הערה: מומלץ מאוד לסקור את lempy_arguments וסעיפי netgen_arguments ב- IDP README כדי לקבל הבנה טובה יותר של כל ארגומנט. ראה קובץ משלים 7 לקבלת דוגמה של קובץ תצורה עם הארגומנטים חיפוש קצה שצוינו.
  2. חזור על שלבים 2.2 ו- 2.3.
  3. הפעל את IDP באמצעות קובץ התצורה שנוצר בשלב 3.1 על-ידי הפעלת פקודה זו במסוף, כאשר <הגדר שם קובץ> שם הקובץ: python src/dat2net.py
  4. אם ה- IDV עדיין פועל, עצור אותו על-ידי הקשה על פקד C בחלון המסוף כדי לעצור את התוכנית. חזור על שלבים 2.5 ו- 2.6.
  5. כאשר IDV פתוח בדפדפן, לחץ על הכרטיסיה חיפוש קצה ובחר את תיקיית מציאת הקצה של עניין מהתפריט הנפתח.
    הערה: אם נעשה שימוש בערכות נתונים מרובות בחיפוש קצה, הקפד לבחור את ערכת הנתונים האחרונה ששימשה בניתוח מחשב הקצה המקומי (LEM) (טבלה 1). חשוב בעת בחירת קצוות עבור רשת הזרעים או רשימת הקצוות בהתבסס על תוצאות LEM כדי להסתכל על נתוני הסדרה בפעם האחרונה המפורטים בקובץ התצורה כמו פלט זה משלב את כל קבצי הנתונים הקודמים בהסקת קשרי גומלין תקינים בין צמתים.
  6. כדי להרחיב או לקצר את טבלת הקצה, הזן באופן ידני מספר שלם בתיבת הקלט תחת מספר קצוות:.
  7. סנן קצוות באופן אופציונלי בפרמטרים של ODE LEM. לחץ וגרור כדי להזיז את הצד השמאלי או את הצד הימני של המחוון של כל פרמטר כדי להסיר קצוות מטבלת הקצה הכוללת פרמטרים מחוץ לגבולות הפרמטרים המורשים החדשים שלהם.
  8. לחלופין, צור רשת זרעים חדשה אם דרושה רשת זרעים שונה מזו המוצעת על-ידי IDP. ראה קובץ משלים 8 לקבלת דוגמה של קובץ רשת Seed.
    1. בחר מתוך Seed כדי לבחור את רשת הזרעים או מתוך בחירה מהתפריט הנפתח תחת רשת:.
    2. בטל את הבחירה/בחר קצוות מטבלת הקצוות על-ידי לחיצה על תיבות הסימון המתאימות הסמוכות לכל קצה כדי להסיר/להוסיף קצוות מרשת הזרעים.
  9. לחץ על לחצן הורד DSGRN NetSpec כדי להוריד את רשת הזרעים בפורמט מפרט הרשת של חתימות דינמיות שנוצרו על ידי רשתות תקינות (DSGRN) (טבלה 1).
  10. בחר צמתים וקצוות נוספים שישמשו בשלב חיפוש הרשת.
    1. בחר קצוות מטבלת הקצה על-ידי לחיצה על תיבות הסימון המתאימות שייכללו בקובץ רשימת הקצוות המשמש בחיפוש רשת.
    2. לחץ על הורד רשימות צומת וקצוות כדי להוריד את רשימת הצמתים ואת קבצי רשימת הקצה בתבנית הנדרשת לשימושם בחיפוש רשת. ראה קובץ משלים 9 וקובץ משלים 10 לקבלת דוגמאות של קבצי רשימת קצה וצמתים, בהתאמה.
      הערה: רשימת הצמתים חייבת להכיל את כל הצמתים בקובץ רשימת הקצוות, כך שה- IDV יוצר באופן אוטומטי את קובץ רשימת הצמתים בהתבסס על הקצוות שנבחרו. שתי אפשרויות זמינות להצגת הקצוות ב'חיפוש קצה'. האפשרות טבלת סיכום LEM מציגה את הקצוות כרשימה מדורגת של 25 הקצוות העליונים. טבלת LEM מהשורה הראשונה מציגה את הקצוות ברשימה משורשרת של שלושת הקצוות המדורגים העליונים עבור כל וסת אפשרי. המשתמש יכול להתאים את מספר הקצוות המוצגים עבור כל אפשרות על-ידי שינוי המספר בתיבת הקלט מספר קצוות .

4. מציאת רשת

  1. צור קובץ תצורה חדש של IDP המגדיר את שלב חיפוש הרשת.
    1. הוסף את הארגומנטים העיקריים IDP לקובץ התצורה. פתח קובץ טקסט חדש בעורך טקסט וחזור על שלב 2.1.1.1.
    2. הוסף ארגומנטים של חיפוש רשת לקובץ התצורה.
    3. באותו קובץ טקסט כמו בשלב 4.1.1, הקלד בסדר המוצג "[netper_arguments]", "edge_list_file =", "node_list_file =", "seed_net_file =", "range_operations =", "numneighbors =", "maxparams =", "[[הסתברויות]", "addNode =", "addEdge =", "removeNode =", ו-"removeEdge =" ובשורות בודדות, מתחת לארגומנטים העיקריים.
    4. עבור "seed_net_file", "edge_list_file" ו-"node_list_file", לאחר סימן השוויון, הזן את הנתיב אל קובץ רשת ה- Seed ואת קבצי רשימת הקצוות והצמתים שנוצרו בשלבים 3.9 ו- 3.10.2.
    5. לאחר הסימן שווה ל, עבור "range_operations", הקלד שני מספרים המופרדים באמצעות פסיק. המספר הראשון והשני הם המספר המינימלי והמספר המרבי של הוספה או הסרה של צמתים או קצוות לכל רשת שבוצעו, בהתאמה.
    6. עבור "numneighbors", לאחר הסימן שווה ל, הזן מספר המייצג את מספר הרשתות שיש למצוא ב'חיפוש רשת'.
    7. עבור "maxparams", לאחר השווה לסימן, הזן מספר המייצג את המספר המרבי של פרמטרי DSGRN כדי לאפשר רשת.
    8. הזן ערכים בין 0 ל- 1 עבור כל אחד מהארגומנטים הבאים: "addNode", "addEdge", "removeNode" ו- "removeEdge", לאחר הסימן שווה לחתימה. המספרים חייבים להסתכם ב- 1.
      הערה: מומלץ מאוד לסקור את המקטעים netper_arguments netquery_arguments ב- IDP README כדי לקבל הבנה טובה יותר של כל ארגומנט. ראה קובץ משלים 11 וקובץ משלים 12 לקבלת דוגמאות של קובץ תצורה עם הארגומנטים חיפוש רשת שצוינו.
  2. חזור על שלבים 2.2 ו- 2.3.
  3. הפעל את ה- IDP באמצעות קובץ התצורה שנוצר בשלב 4.1 על-ידי הפעלת פקודה זו במסוף, כאשר <גדיר שם קובץ> שם הקובץ: שם הקובץ python src/dat2net.py
  4. אם ה- IDV עדיין פועל, עצור אותו על-ידי הקשה על פקד C בחלון המסוף כדי לעצור את התוכנית. חזור על שלבים 2.5 ו- 2.6.
  5. כאשר IDV פתוח בדפדפן, לחץ על הכרטיסיה חיפוש רשת ובחר את תיקיית חיפוש הרשת של עניין.
  6. בחר רשת או קבוצת רשתות כדי ליצור טבלת שכיחות קצה (טבלה 1) וכדי להציג את הרשתות יחד עם תוצאות השאילתה המתאימות שלהן.
    1. שתי אפשרויות זמינות לבחירת רשתות: אפשרות 1 - הזן גבולות תחתונים וגבולים עליונים בתוצאות שאילתה על-ידי הזנת ערכים מינימליים ומקסימליים בתיבות הקלט המתאימות לציר ה- x ולציר ה- y של התוויית. אפשרות 2 - לחץ וגרור מעל פיזור כדי לצייר תיבה סביב הרשתות להיכלל. לאחר הזנת גבולות בחירה או קלט, לחץ על לחצן קבל שכיחות מרשתות נבחרות .
      הערה: אם צוינה יותר משאילתת DSGRN אחת, השתמש בלחצני האפשרויות המסומנים בסוג השאילתה כדי לעבור בין התוצאות של כל שאילתה. כנ"ל אם צוין יותר מאפסילון אחד (רמת רעש).
  7. לחץ על החצים מתחת לטבלת שכיחות הקצה כדי לעבור לעמוד הבא בטבלה. הקש Download Table כדי להוריד את טבלת שכיחות הקצה.
  8. הזן מספר שלם בתיבת הקלט אינדקס רשת כדי להציג רשת בודדת מהבחירה שבוצעה בשלב 4.6. לחץ על הורד DSGRN NetSpec כדי להוריד את הרשת המוצגת בתבנית מפרט רשת DSGRN.
  9. חפש ברשתות דמיון למוטיב או לרשת מעניינים שצוינו.
    1. השתמש בתיבות הסימון המתאימות לכל קצה כדי לבחור קצוות שייכללו ברשת או במוטיב המשמש לניתוח הדמיון. לחץ על שלח כדי ליצור את פיזור הדמיון עבור המוטיב או הרשת שנבחרו.
      הערה: השתמש בחצים ברשימת הקצוות כדי למיין בסדר אלפביתי ובחצים שמתחת לטבלה כדי לעבור לעמוד הבא בטבלה.
    2. לחץ וגרור מעל לוח הפיזור כדי לצייר תיבה סביב הרשתות שתיכלל כדי לבחור רשת או קבוצת רשתות כדי ליצור טבלת שכיחות קצה ולהציג את הרשתות יחד עם תוצאות השאילתה המתאימות שלהן.
      הערה: אם צוינה יותר משאילתת DSGRN אחת, השתמש בלחצני האפשרויות המסומנים בסוג השאילתה כדי לעבור בין התוצאות של כל שאילתה. כנ"ל אם צוין יותר מאפסילון אחד (רמת רעש).
    3. חזור על שלבים 4.7 ו- 4.8 כדי להוריד את טבלת שכיחות הקצה ואת הרשת המוצגת עבור ניתוח הדמיון, בהתאמה.

Access restricted. Please log in or start a trial to view this content.

תוצאות

השלבים שתוארו באופן טקסטואלי לעיל ובאופן גרפי באיור 1 הוחלו על הליבה המתנדנדת GRN של מחזור תאי השמרים כדי לראות אם ניתן לגלות מודלים פונקציונליים של GRN המסוגלים לייצר את הדינמיקה שנצפו בנתוני ביטוי הגנים של סדרת הזמן שנאספו במחקר מחזור תאים של שמרים16. כדי להמחי?...

Access restricted. Please log in or start a trial to view this content.

Discussion

המסקנה של GRNs היא אתגר חשוב בביולוגיה של מערכות. IDP מייצר GRNs מודל מנתוני ביטוי גנים באמצעות רצף של כלים המשתמשים בנתונים בדרכים מורכבות יותר ויותר. כל שלב דורש החלטות כיצד לעבד את הנתונים ואילו אלמנטים (גנים, אינטראקציות פונקציונליות) יועברו לשכבה הבאה של IDP. ההשפעות של החלטות אלה על תוצאות ID...

Access restricted. Please log in or start a trial to view this content.

Disclosures

למחברים אין מה לחשוף.

Acknowledgements

עבודה זו מומנה על ידי מענק NIH R01 GM1265555-01 ומענק NSF DMS-18392999.

Access restricted. Please log in or start a trial to view this content.

Materials

NameCompanyCatalog NumberComments
Dockerhttps://docs.docker.com/get-docker/
Githttps://git-scm.com/
Inherent Dynamics Pipelinehttps://gitlab.com/biochron/inherent_dynamics_pipeline
Inherent Dynamics Visualizerhttps://gitlab.com/bertfordley/inherent_dynamics_visualizer
Minicondahttps://docs.conda.io/en/latest/miniconda.html
Piphttps://pip.pypa.io/en/stable/

References

  1. Karlebach, G., Shamir, R. Modelling and analysis of gene regulatory networks. Nature Reviews Molecular Cell Biology. 9 (10), 770-780 (2008).
  2. Aijö, T., Lähdesmäki, H. Learning gene regulatory networks from gene expression measurements using non-parametric molecular kinetics. Bioinformatics. 25 (22), 2937-2944 (2009).
  3. Huynh-Thu, V. A., Sanguinetti, G. Combining tree-based and dynamical systems for the inference of gene regulatory networks. Bioinformatics. 31 (10), 1614-1622 (2015).
  4. Oates, C. J., et al. Causal network inference using biochemical kinetics. Bioinformatics. 30 (17), 468-474 (2014).
  5. Marbach, D., et al. Wisdom of crowds for robust gene network inference. Nature Methods. 9 (8), 796-804 (2012).
  6. Inherent Dynamics Pipeline. , Available from: https://gitlab.com/biochron/inherent_dynamics_pipeline (2021).
  7. Motta, F. C., Moseley, R. C., Cummins, B., Deckard, A., Haase, S. B. Conservation of dynamic characteristics of transcriptional regulatory elements in periodic biological processes. bioRxiv. , (2020).
  8. LEMpy. , Available from: https://gitlab.com/biochron/lempy (2021).
  9. McGoff, K. A., et al. The local edge machine: inference of dynamic models of gene regulation. Genome Biology. 17, 214(2016).
  10. Cummins, B., Gedeon, T., Harker, S., Mischaikow, K. Model rejection and parameter reduction via time series. SIAM Journal on Applied Dynamical Systems. 17 (2), 1589-1616 (2018).
  11. Cummins, B., Gedeon, T., Harker, S., Mischaikow, K. Database of Dynamic Signatures Generated by Regulatory Networks (DSGRN). Lecture Notes in Computer Science. (including Subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics). , 300-308 (2017).
  12. Cummins, B., Gedeon, T., Harker, S., Mischaikow, K. DSGRN: Examining the dynamics of families of logical models. Frontiers in Physiology. 9. 9, 549(2018).
  13. DSGRN. , Available from: https://github.com/marciogameiro/DSGRN (2021).
  14. Dsgm_Net_Gen. , Available from: https://github.com/breecummins/dsgrn_net_gen (2021).
  15. Dsgrn_Net_Query. , Available from: https://github.com/breecummins/dsgrn_net_query (2021).
  16. Orlando, D. A., et al. Global control of cell-cycle transcription by coupled CDK and network oscillators. Nature. 453 (7197), 944-947 (2008).
  17. Monteiro, P. T., et al. YEASTRACT+: a portal for cross-species comparative genomics of transcription regulation in yeasts. Nucleic Acids Research. 48 (1), 642-649 (2020).
  18. de Bruin, R. A. M., et al. Constraining G1-specific transcription to late G1 phase: The MBF-associated corepressor Nrm1 acts via negative feedback. Molecular Cell. 23 (4), 483-496 (2006).
  19. Horak, C. E., et al. Complex transcriptional circuitry at the G1/S transition in Saccharomyces cerevisiae. Genes & Development. 16 (23), 3017-3033 (2002).
  20. Cherry, J. M., et al. Saccharomyces genome database: The genomics resource of budding yeast. Nucleic Acids Research. 40, 700-705 (2012).
  21. Zhu, G., et al. Two yeast forkhead genes regulate the cell cycle and pseudohyphal growth. Nature. 406 (6791), 90-94 (2000).
  22. Loy, C. J., Lydall, D., Surana, U. NDD1, a high-dosage suppressor of cdc28-1N, is essential for expression of a subset of late-S-phase-specific genes in saccharomyces cerevisiae. Molecular and Cellular Biology. 19 (5), 3312-3327 (1999).
  23. Cho, C. Y., Kelliher, C. M., Hasse, S. B. The cell-cycle transcriptional network generates and transmits a pulse of transcription once each cell cycle. Cell Cycle. 18 (4), 363-378 (2019).
  24. Smith, L. M., et al. An intrinsic oscillator drives the blood stage cycle of the malaria parasite Plasmodium falciparum. Science. 368 (6492), 754-759 (2020).

Access restricted. Please log in or start a trial to view this content.

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Explore More Articles

178

This article has been published

Video Coming Soon

JoVE Logo

Privacy

Terms of Use

Policies

Contact Us

Recommend to library

JoVE NEWSLETTERS

Research

Education

Authors

Librarians

ABOUT JoVE

Copyright © 2025 MyJoVE Corporation. All rights reserved