著者らは財政支援のために、ヘルスリサーチ（CIHR）およびゲノムアルバータ州のカナダの研究所、ゲノムカナダの部門に感謝したいです。

<ol>
	<li>Michal, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=On+representation+of+metabolic+pathways.">On representation of metabolic pathways.</a> Biosystems. 47 (1-2), 1-7 (1998).</li><li>Kanehisa, M., Sato, Y., Kawashima, M., Furumichi, M., Tanabe, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=KEGG+as+a+reference+resource+for+gene+and+protein+annotation.">KEGG as a reference resource for gene and protein annotation.</a> Nucleic Acids Res. 44 (D1), D457-D462 (2016).</li><li>Karp, P., Riley, M., Paley, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+MetaCyc+Database.">The MetaCyc Database.</a> Nucleic Acids Res. 30 (1), 59-61 (2002).</li><li>Kelder, T., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=WikiPathways:+building+research+communities+on+biological+pathways.">WikiPathways: building research communities on biological pathways.</a> Nucleic Acids Res. 40 (Database issue), D1301-D1307 (2011).</li><li>Croft, D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+Reactome+pathway+knowledgebase).">The Reactome pathway knowledgebase).</a> Nucleic Acids Res. 42 (Database issue), D472-D477 (2014).</li><li>Karp, P. D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Pathway+Tools+version+13.0:+integrated+software+for+pathway/genome+informatics+and+systems+biology.">Pathway Tools version 13.0: integrated software for pathway/genome informatics and systems biology.</a> Brief Bioinform. 11 (1), 40-79 (2010).</li><li>Van Iersel, M. P., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Presenting+and+exploring+biological+pathways+with+PathVisio.">Presenting and exploring biological pathways with PathVisio.</a> BMC Bioinformatics. 9, 399 (2008).</li><li>Demir, E., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+BioPAX+community+standard+for+pathway+data+sharing.">The BioPAX community standard for pathway data sharing.</a> Nat. Biotechnol. 28 (9), 935-942 (2010).</li><li>Shannon, P., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Cytoscape:+A+Software+Environment+for+Integrated+Models+of+Biomolecular+Interaction+Networks.">Cytoscape: A Software Environment for Integrated Models of Biomolecular Interaction Networks.</a> Genome Res. 13 (11), 2498-2504 (2003).</li><li>Salomonis, N., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=GenMAPP+2:+new+features+and+resources+for+pathway+analysis.">GenMAPP 2: new features and resources for pathway analysis.</a> BMC Bioinformatics. 8, 217 (2007).</li><li>Elliott, B., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=PathCase:+pathways+database+system.">PathCase: pathways database system.</a> Bioinformatics. 24 (21), 2526-2533 (2008).</li><li>Hu, Z., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=VisANT+3.0:+new+modules+for+pathway+visualization,+editing,+prediction+and+construction.">VisANT 3.0: new modules for pathway visualization, editing, prediction and construction.</a> Nucleic Acids Res. 35 (Web Server), W625-W632 (2007).</li><li>Jewison, T., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=SMPDB+2.0:+Big+Improvements+to+the+Small+Molecule+Pathway+Database.">SMPDB 2.0: Big Improvements to the Small Molecule Pathway Database.</a> Nucleic Acids Res. 42 (D1), D478-D484 (2013).</li><li>Pon, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Pathways+with+PathWhiz.">Pathways with PathWhiz.</a> Nucleic Acids Res. 43 (W1), W552-W559 (2015).</li><li>Sajed, T., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=ECMDB+2.0:+A+richer+resource+for+understanding+the+biochemistry+of+E.+coli.">ECMDB 2.0: A richer resource for understanding the biochemistry of E. coli.</a> Nucleic Acids Res. 44 (D1), D495-D501 (2015).</li><li>Wishart, D., Mandal, R., Stanislaus, A., Ramirez-Gaona, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Cancer+Metabolomics+and+the+Human+Metabolome+Database.">Cancer Metabolomics and the Human Metabolome Database.</a> Metabolites. 6 (1), 10 (2016).</li><li>Altschul, S. F., Gish, W., Miller, W., Myers, E. W., Lipman, D. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Basic+local+alignment+search+tool.">Basic local alignment search tool.</a> J. Mol. Biol. 215 (3), 403-410 (1990).</li><li>Le Novere, N., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+Systems+Biology+Graphical+Notation.">The Systems Biology Graphical Notation.</a> Nat. Biotechnol. 27 (8), 735-741 (2009).</li><li>Hucka, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+systems+biology+markup+language+(SBML):+a+medium+for+representation+and+exchange+of+biochemical+network+models.">The systems biology markup language (SBML): a medium for representation and exchange of biochemical network models.</a> Bioinformatics. 19 (4), 524-531 (2003).</li></ol>

著者らは、開示することは何もありません。

単純な代謝経路（TCAサイクル）を作成するために、ここで説明されたプロトコルは、任意の種のための機械読み取り可能な、生物学的に複雑な経路の多種多様を作成するように構成することができます。また、このプロトコルは、1が複製したり、他のユーザーが作成した既存経路を伝播する方法について説明します。このツールを使用して経路を構成する要素を重ねて接続されて各々が反応、相互作用、輸送過程、及びサブ経路の反復ステップごとの加算を必要とします。一緒に、これらのすべてを置くことは、1つは、かなりの生物学的な詳細かつ有用な生物学的なコンテキストを提供カラフルな、視覚的に好ましい経路図を作成することができます。このプロトコルに記載の手順は比較的単純であり、それは経路図を構​​築するのにかかる時間は、経路のサイズと複雑さに依存します。少し練習すると、ほとんどの人は約15〜20の反応からなる高品質の経路図を描画するか、処理することができます約15分でDいくつかの細胞成分。ブランドの新しいユーザーは、同様のサイズと複雑さの経路を生成するために、30から40分ほどかかる場合があります。経路を生成するために必要な時間は、反応/レンダリングする必要があるプロセスの数とおおよそ線形です。 このウェブベースのツールを使用して高品質の経路を作成すると、ソースの材料（本からの経路、オンライン・データベース、実験データ、手描きのスケッチ）と経路の潔癖「アーティスト」の品質とディテールに依存します。これらのセクションは、反応要素（反応物質/製品、酵素、エッジ、画像、ズームボックス、ラベルの作成と編集を記述するので、より高品質の経路図は、セクション1.11、1.15およびプロトコルの1.20に特に注意を払う必要があります生成するために希望される方、および膜）。最良の経路図は、インテリジェント（b）に見られるものなど、できるだけ経路のような多くの既存の表現からの情報を合併しますooks、ポスター、論文、およびオンライン・データベース。高品質の経路を生成するための別の鍵は慎重に（プロトコルのセクション1.11を介して）反応を作成する前に、反応の正確さをチェックしています。関与の反応物、製品、および酵素を確保するために時間と労力を撮影する（既にPathWhizの大規模なデータベースに存在し、その多く）それぞれの種のために適切であることは非常に重要です。反応の細胞位置を認識し、適切な生物学的状況を提供するために、重要な細胞または細胞内構成要素を含むことも重要です。これは、UniProtのようなオンラインデータベースを介して、反応をチェックし確証することによって行うことができます。大幅にエラーを低減します作成される経路のラフ、手描きのスケッチや図面やレンダリングに費やされた合計時間とともに手元にすべての必要な情報を有します。 予想されるように、より大きく、より複雑な経路は気難しい、レンダリングに時間がかかりますularlyは、目的の要素とプロセスがPathWhizのデータベースにまだなっていない場合。大きい方の経路を操作するとき、アクション間の長いラグを防ぐために、セーブモードマニュアルに自動保存モードから切り替えるために、通常は賢明です。経路を複製する場合、ユーザーが生成する経路を待つかもしれない時間の量は、経路内の要素の数によって異なります。ほとんどの経路は、約1〜2分で複製することができます。経路を伝播すると、新たに伝播経路の成功レンダリングはPathWhizがBLAST 17を使用している配列は、種間の相同酵素を発見するために検索し、2種がどの程度似ているかをによって異なります。 BLASTは、酵素のより多くの上で実行する必要があるため、より大きな経路が伝播するように遅くなります。 （酵母とヒトの間で言う）が大幅に異種生物種間の経路を伝播しようとすると、未知のタンパク質の数でレンダリングされた経路になります。これらの「遠く」のpropagated経路は通常、追加手動で編集する必要があります。経路図と経路にすることができる詳細の高度に視覚的な性質のために、合理的に大画面のコンピュータ上で動作するように常に良い考えです（&gt; 20インチまたは、&gt; 50センチ）と、良好なインターネット接続（&gt; 5 Mbps）の。 レンダリングや画面リフレッシュに問題が発生した場合、ユーザーは、トラブルシューティングの少量を行う必要があります。大規模、複雑な経路を更新するために時間がかかりすぎる場合は、ユーザーがページを更新する必要があります。期待通りの経路が伝播しない場合、ユーザーはすべての要素が正しく表示されていることを確認するために、いくつかの手動編集を行う必要があります。反応の要素が表示されていない場合にも、より具体的な例として、ユーザはすべての要素または酵素が適切に選択され、エッジが隠されていないことを確認する必要があります。問題が発生した場合、メインヘッダの「ヘルプ」リンクが有用である可能性があります。チュートリアルです「チュートリアル」タブとユーザーマニュアルの下で入手可能な「ユーザーガイド」タブで利用することができます。どちらも詳細に、ツールの機能の多くを説明します。ユーザガイドは、ユーザが経路をロックし、後でそれを編集したい場合など、特定の機能のための潜在的な限界を、トラブルシューティングや説明するために使用することができます。 このプロトコルを通しておよび添付の図面に示されている例を通じて強調したように、このツールは、任意の（またはほとんどの）他の経路描画ツール（ 表1を参照）には見られないユニークな機能を多数提供しています。まず、それは完全にWebベースの、完全にプラットフォームに依存しないです。第二に、それはまた、機械可読フォーマット（BioPAX、SBGN-ML 18、SBML 19、PWML 14）に変換することができ色とりどりの、生物学的に複雑で、視覚的に満足、完全にハイパーリンク経路図のレンダリングと容易な生成をサポートしています。第三に、経路図の属このツールによりテッドは、検索、閲覧選択し、簡単にオンラインデータベース、使いやすいと表示インタフェースを介して検討することができます。第四に、Webツールは、新しい経路と新しい経路要素の共有と世代を奨励する「経路クラウドソーシング &quot;を可能にする、コミュニティの経路の寄与をサポートするように設計されています。 このウェブベースのツールによって生成された経路は、様々な用途に使用することができます。豊かな詳細、完全にハイパーリンクの経路は容易にプロテオミクス、メタボロミクスやシステム生物学アプリケーションのための生物固有のデータベースに統合することができます。ウェブベースのイメージを介して利用可能な詳細は、多くの場合、静止画像を介して、または、単一の教科書や雑誌のページを表示することができるものよりもはるかに大きいようにインターネットアクセス可能な経路は、教育と訓練の目的のために特に有用です。このWebベースのツールは、印刷や出版のために、より適している経路表現の生成をサポートしています。その結果、このウェブベースのツールで生成された多くの画像は、論文、ポスターやスライドプレゼンテーションに登場しています。このウェブサーバーを使用して生成された経路は、システム生物学又は代謝モデリングアプリケーションのためのコンピュータ解析に直接使用されるために（例えば、BioPAXとSBMLのような）テキストベースのデータ交換ファイル形式にエクスポートする経路が可能になります。種間の経路を伝播する推論が、特に非常に最近配列決定されているこれらの種の中で生物学的プロセス、について行うことを可能にします。ない既存のすべての経路が現在PathWhizに存在するが、その公開経路データベースは、新しいクラウドソース経路コレクションの出現につながる、成長し続けています。これらのコレクションは唯一の彼らがうまくいけば、彼らのユニークな生物学や生化学のより深い理解につながる、新しい種に容易に拡張可能ではありません。

生物学的経路図は、生命科学者のための青写真のようなものです。彼らはおそらく生物学的プロセスや遺伝子、タンパク質、および代謝産物間の文脈の接続を描写するための最も簡潔で有益な経路です。画像は、はるかに効率的に処理し、多くの場合、はるかに容易にテキスト1よりも人間によって理解されているためです。経路図の品質、詳細、およびコンテンツが大幅に変化することができます。これらの違いは、多くの場合、経路と経路のアーティストのスキルの使用目的に依存します。このような壁のチャートや教科書などの教育目的のために作成した経路は、多くの場合、プロのアーティストによって作成されます。その結果、これらの経路図は、はるかに視覚的に満足であり、代謝産物の構造、細胞内成分、細胞構造、組織、および器官の完全な描写でかなり多くの生物学的詳細を提供します。これらの「教科書」の表現は、多くの場合、詳細なメモが含まれており、論評。一方、インターネット・アプリケーション用に設計された経路図は、多くの場合、単純化機械可読「配線」の図の賛成で芸術性と視覚的な豊かさを犠牲にしなければなりません。これらのワイヤフレーム図は、より簡単に画像マッピングされ、ハイパーリンクされています。簡体経路図はKEGG 2、MetaCyc 3、Wikipathways 4、およびReactome 5のような人気のあるオンライン経路データベースへの基礎となっています。コンピュータ互換経路データベースの出現は、コンピュータと互換性のある経路の描画ツールの出現につながっています。言い換えれば、1はプロのアーティストや使用可能な経路図を生成するために、プロのプログラマである必要はありません。例えば、BioCycの経路ツール6とWikipathwayのPathVisioソフトウェア7は、ユーザーが自由にBioPAX 8 Aにおける機械可読経路を生成し、共有することを可能にしますND /またはHTML形式。また、他のスタンドアロンのフリーウェアパッケージの数だけでなく、商用パッケージ11を PathCaseなどCytoscape 9、GenMAPP 10、などの様々な機械可読、ワイヤフレーム経路の生成をサポートし、VisANT 12があります。 インターネット経路図の簡略化は、主に、多くのウェブブラウザとウェブベースのレンダリングツールで見つかった歴史的な制限から増加しました。しかし、Web技術の大幅な進歩は、過去数年の間に行われてきました。同じように美的と同じように、生物学的に完全な教科書に見られるような、同じようにカラフルなインタラクティブ、インターネット互換の経路図を生成することが可能であることを示唆しました。この作品はPathWhizの開発につながりました。 PathWhizは、Ruby on Railsの（http://rubyonrails.org、バージョン4.2.0）ウェブframeworを使用して実装されましたエンティティの関係、外部参照、記述、視覚化の仕様と化学構造を含む経路データのすべてを管理するためのMySQLリレーショナルデータベース（https://www.mysql.com、バージョン5.1.50）を組み込むk個。フロントエンドのWebクライアントは、エディタのフロントエンドのWebフレームワークとしてBACKBONE.JS（http://backbonejs.org、バージョン1.0.0）と組み合わせたRuby on Railsにすることによって制御されています。 もともと人間のみの小分子経路データベース（SMPDB）13のキュレーションのために開発され、PathWhiz 14は、以来、多くの他の生物のための経路生成をサポートするように拡張されており、一般的な経路の画像と知識データベースとして機能します。具体的には、このWebツールは、代謝、タンパク質相互作用、分子シグナリング、生理的、および薬物/疾患経路を含む生化学的/生物学的経路の全範囲を作成できます。この経路の描画ツールは、他のほとんどは異なります三つの主要な方法で経路生成ツール：1）それはむしろ、スタンドアロン、インストール可能なソフトウェアパッケージよりもウェブサーバです。 2）それは容易な世代や化学化合物、タンパク質、核酸、細胞膜、細胞内構造、組織、および器官のインタラクティブな可視化をサポートしています。および3）それによって「クラウドソース」経路の生成を可能にする、ユーザーが簡単に、借り構築するか、または他のユーザーの作業を改善することができます。ウェブサーバとしては、ダウンロード可能な、プラットフォーム固有のソフトウェアツールを超えるいくつかの利点を有します。特に、それはあらゆるプラットフォーム、オペレーティングシステムと最新のWebブラウザと互換性があります。また、（ユーザーが自由に追跡し、彼らが作成した経路のアクセスを制御するために、「プライベートアカウント」を作成することができますが）経路の作成を開始するために登録することをユーザに要求しません。おそらく、このツールの最も魅力的な機能を簡単に追加することができ、生物学的および生化学的詳細の量でありますプリレンダリングされたイメージのパレットとタンパク質と生化学的データの大規模なデータベースを介して、任意の経路。これは、両方の「非芸術家」と「非プログラマが「簡単にWeb互換と完全に機械可読であり、カラフルな美的と豊かな詳細な経路を作成することができます。 PathWhizおよび他の経路の描画ツールとの間のより詳細な比較を表1に提供されます。 人気の生命科学データベースの数はすでに、オンライン、インタラクティブ経路図をデータベース固有を作成するには、この経路の描画ツールを使用しています。例えば、 大腸菌（Escherichia coli）メタボロームデータベース（ECMDB）15、最近のWebベースのツールを使用して描画以上1650経路と、その経路のライブラリを更新しました。 ECMDB内の各経路は、現在詳細な代謝物とタンパク質の構造描写と豊かな色のついた、完全にハイパーリンクイメージマップと同様に、簡略化された黒と白のKEGG-リットルとして表示されますIKE線図。この大規模な経路の更新は、以前に他の大腸菌の代謝データベースには含まれていなかった多くの中間代謝物の発見につながりました。このようなヒューマン・メタボローム・データベース（HMDB）15などの他のデータベースには、だけでなく、描写および代謝やシグナル伝達経路を記述するためにPathWhiz経路に依存しているだけでなく、癌などの疾患に関与する代謝変化を描写します。 HMDBは現在、このWebツールを使用して生成された101の代謝経路、376薬物作用経路、233疾患関連経路および16シグナル伝達経路、すべてを含んでいます。 以下のプロトコルは、PathWhizが簡単に作成、複製、および目的や様々なアプリケーションのための生化学的経路を伝播するために使用することができる方法を詳しく説明しています。

<table><tbody><tr><td>Computer with colour screen</td><td>N/A</td><td>N/A</td><td>&amp;nbsp;&gt;20 inches or &gt;50 cm</td></tr><tr><td>Internet connection&amp;nbsp;</td><td>N/A</td><td>N/A</td><td>&gt;5 mbps</td></tr><tr><td>Modern web browser&amp;nbsp;</td><td>N/A</td><td>N/A</td><td>Google Chrome (v. 31 and above), Internet Explorer (v. 9 and above), Safari (v. 7 and above), Opera (v. 15 and above) and Firefox (v. 23 and above)</td></tr></tbody></table>

a web tool for generating high quality machine-readable biological pathways

PathWhizは、生物学的情報が豊富でカラフルな、インタラクティブな、視覚的に好ましい経路図の作成を容易にするために構築されたWebサーバです。このオンラインアプリケーションによって生成された経路は、機械可読と本質的にすべてのWebブラウザとコンピュータのオペレーティングシステムとの完全な互換性があります。これは、反応、相互作用、輸送過程と結合事象を描写するために事前に描画された生物学的または生化学的実体の異なる組み合わせの選択と配置を可能にする特別に開発された、Web対応の経路描画インタフェースを使用しています。エンティティのこのパレットは、化学化合物、タンパク質、核酸、細胞膜、細胞内構造、組織、および器官で構成されています。その中にビジュアル要素のすべてが対話的に調整し、カスタマイズすることができます。このツールは、Webサーバーであるため、また、すべての経路および経路要素は、公的にアクセス可能です。経路のこのような「クラウドソーシング」はPathWhizことを意味しますすでに以前に描かれた経路および経路要素の急速に大規模な成長のコレクションが含まれています。ここでは、新たな経路を迅速かつ簡単に作成し、既存の経路の変更のためのプロトコルについて説明します。さらに経路の編集や作成を容易にするために、このツールは、複製および伝播機能が含まれています。レプリケーション機能は、既存の経路が新たな経路を作成または編集するためのテンプレートとして使用することが可能になります。伝播関数は、1つは、既存の経路を取ると自動的に異なる種を渡ってそれを伝播することができます。このツールで作成された経路の異なるフォーマットに「再スタイル」することができます（KEGG状またはのようなテキストブック）、異なる背景で着色し、BioPAX、SBGN-ML、SBML、またはPWMLデータ交換フォーマットにエクスポート、およびとしてダウンロードPNGまたはSVG画像。経路は簡単に、オンライン・データベースに取り込まれたプレゼンテーション、ポスターや出版物に組み込まれ、またはオンライン可視化と探索のために排他的に使用することができます。この広報otocolが正常になりましたHMDB、DrugBank、SMPDB、およびECMDBを含む多くのオンラインデータベースで発見されている2,000以上の経路図を生成するために適用されています。

Watch this Scientific Journal Video about A Web Tool for Generating High Quality Machine-readable Biological Pathways at JoVE.com

A Web Tool for Generating High Quality Machine-readable Biological Pathways

PathWhizは、生化学的および生物学的経路を生成するための包括的な、オンライン経路描画ツールです。これは、事前に描かれた経路成分からなる公的にアクセス可能なデータベースと容易に拡張パレットを使用しています。このプロトコルは、簡単に、新しい経路を構築し、既存の経路を複製し、編集し、異なる生物に以前に描かれた経路を伝播する方法について説明します。

生成高品質の機械可読の生物学的経路のためのWebツール

PathWhiz is a web server built to facilitate the creation of colorful, interactive, visually pleasing pathway diagrams that are rich in biological ...

a-web-tool-for-generating-high-quality-machine-readable-biological

Research

JoVE Journal

Biology

17.4K ビュー.  University of Alberta.  PathWhizは、生化学的および生物学的経路を生成するための包括的な、オンライン経路描画ツールです。これは、事前に描かれた経路成分からなる公的にアクセス可能なデータベースと容易に拡張パレットを使用しています。このプロトコルは、簡単に、新しい経路を構築し、既存の経路を複製し、編集し、異なる生物に以前に描かれた経路を伝播する方?...

ビデオ: A Web Tool for Generating High Quality Machine-readable Biological Pathways

Leveraging CyVerse Resources for De Novo Comparative Transcriptomics of Underserved (Non-model) Organisms

This workflow allows novice researchers to leverage advanced computational resources such as cloud computing to carry out pairwise comparative transcriptomics. It also serves as a primer for biologists to develop data scientist computational skills, e.g. executing bash commands, visualization and management of large data sets. All command line code and further explanations of each command or step can be found on the wiki (<a href="https://wiki.cyverse.org/wiki/x/dgGtAQ">https://wiki.cyverse.org/wiki/x/dgGtAQ</a>). The Discovery Environment and Atmosphere platforms are connected together through the CyVerse Data Store. As such, once the initial raw sequencing data has been uploaded there is no more need to transfer large data files over an Internet connection, minimizing the amount of time needed to conduct analyses. This protocol is designed to analyze only two experimental treatments or conditions. Differential gene expression analysis is conducted through pairwise comparisons, and will not be suitable to test multiple factors. This workflow is also designed to be manual rather than automated. Each step must be executed and investigated by the user, yielding a better understanding of data and analytical outputs, and therefore better results for the user. Once complete, this protocol will yield de novo assembled transcriptome(s) for underserved (non-model) organisms without the need to map to previously assembled reference genomes (which are usually not available in underserved organism). These de novo transcriptomes are further used in pairwise differential gene expression analysis to investigate genes differing between two experimental conditions. Differentially expressed genes are then functionally annotated to understand the genetic response organisms have to experimental conditions. In total, the data derived from this protocol is used to test hypotheses about biological responses of underserved organisms.

Leveraging CyVerse Resources for De Novo Comparative Transcriptomics of Underserved Non-model Organisms

This protocol outlines a comparative de novo transcriptome assembly and annotation workflow for novice bioinformaticians. The workflow is available for free entirely through CyVerse and connected by the Data Store. Command line and graphical user interfaces are used, but all code needed is available to copy and paste.

CyVerseリソースの活用<em&gt;デ・ノヴォ</em&gt;保存されていない（非モデル）生物の比較トランスクリプトーム

This workflow allows novice researchers to leverage advanced computational resources such as cloud computing to carry out pairwise comparative ...

遺伝学

Sample Preparation and Analysis of RNASeq-based Gene Expression Data from Zebrafish

The analysis of global gene expression changes is a valuable tool for identifying novel pathways underlying observed phenotypes. The zebrafish is an excellent model for rapid assessment of whole transcriptome from whole animal or individual cell populations due to the ease of isolation of RNA from large numbers of animals. Here a protocol for global gene expression analysis in zebrafish embryos using RNA sequencing (RNASeq) is presented. We describe preparation of RNA from whole embryos or from cell populations obtained using cell sorting in transgenic animals. We also describe an approach for analysis of RNASeq data to identify enriched pathways and Gene Ontology (GO) terms in global gene expression data sets. Finally, we provide a protocol for validation of gene expression changes using quantitative reverse transcriptase PCR (qRT-PCR). These protocols can be used for comparative analysis of control and experimental sets of zebrafish to identify novel gene expression changes, and provide molecular insight into phenotypes of interest.

This protocol presents an approach for whole transcriptome analysis from zebrafish embryos, larvae, or sorted cells. We include isolation of RNA, pathway analysis of RNASeq data, and qRT-PCR-based validation of gene expression changes.

サンプル準備およびゼブラフィッシュから RNASeq による遺伝子発現データの解析

The analysis of global gene expression changes is a valuable tool for identifying novel pathways underlying observed phenotypes. The zebrafish is an ...

Selecting Multiple Biomarker Subsets with Similarly Effective Binary Classification Performances

Biomarker detection is one of the more important biomedical questions for high-throughput &#39;omics&#39; researchers, and almost all existing biomarker detection algorithms generate one biomarker subset with the optimized performance measurement for a given dataset. However, a recent study demonstrated the existence of multiple biomarker subsets with similarly effective or even identical classification performances. This protocol presents a simple and straightforward methodology for detecting biomarker subsets with binary classification performances, better than a user-defined cutoff. The protocol consists of data preparation and loading, baseline information summarization, parameter tuning, biomarker screening, result visualization and interpretation, biomarker gene annotations, and result and visualization exportation at publication quality. The proposed biomarker screening strategy is intuitive and demonstrates a general rule for developing biomarker detection algorithms. A user-friendly graphical user interface (GUI) was developed using the programming language Python, allowing biomedical researchers to have direct access to their results. The source code and manual of kSolutionVis can be downloaded from http://www.healthinformaticslab.org/supp/resources.php.

Existing algorithms generate one solution for a biomarker detection dataset. This protocol demonstrates the existence of multiple similarly effective solutions and presents a user-friendly software to help biomedical researchers investigate their datasets for the proposed challenge. Computer scientists may also provide this feature in their biomarker detection algorithms.

同様に効果的な二値分類性能を持つ複数のバイオ マーカーのサブセットを選択

Biomarker detection is one of the more important biomedical questions for high-throughput &#39;omics&#39; researchers, and almost all existing biomarker ...

がん研究

Navigating MARRVEL, a Web-Based Tool that Integrates Human Genomics and Model Organism Genetics Information

Through whole-exome/genome sequencing, human geneticists identify rare variants that segregate with disease phenotypes. To assess if a specific variant is pathogenic, one must query many databases to determine whether the gene of interest is linked to a genetic disease, whether the specific variant has been reported before, and what functional data is available in model organism databases that may provide clues about the gene&#8217;s function in human. MARRVEL (Model organism Aggregated Resources for Rare Variant ExpLoration) is a one-stop data collection tool for human genes and variants and their orthologous genes in seven model organisms including in mouse, rat, zebrafish, fruit fly, nematode worm, fission yeast, and budding yeast. In this Protocol, we provide an overview of what MARRVEL can be used for and discuss how different datasets can be used to assess whether a variant of unknown significance (VUS) in a known disease-causing gene or a variant in a gene of uncertain significance (GUS) may be pathogenic. This protocol will guide a user through searching multiple human databases simultaneously starting with a human gene with or without a variant of interest. We also discuss how to utilize data from OMIM, ExAC/gnomAD, ClinVar, Geno2MP, DGV and DECHIPHER. Moreover, we illustrate how to interpret a list of ortholog candidate genes, expression patterns, and GO terms in model organisms associated with each human gene. Furthermore, we discuss the value protein structural domain annotations provided and explain how to use the multiple species protein alignment feature to assess whether a variant of interest affects an evolutionarily conserved domain or amino acid. Finally, we will discuss three different use-cases of this website. MARRVEL is an easily accessible open access website designed for both clinical and basic researchers and serves as a starting point to design experiments for functional studies.

Here, we present a protocol to access and analyze many human and model organism databases efficiently. This protocol demonstrates the use of MARRVEL to analyze candidate disease-causing variants identified from next-generation sequencing efforts.

人間のゲノムとモデル生物遺伝学情報を統合するWebベースのツール、MARRVELのナビゲート

Through whole-exome/genome sequencing, human geneticists identify rare variants that segregate with disease phenotypes. To assess if a specific variant is ...

A Pathway Association Study Tool for GWAS Analyses of Metabolic Pathway Information

Recently, a new implementation of a previously described method for interpreting genome-wide association study (GWAS) data using metabolic pathway analysis has been developed and released. The Pathway Association Study Tool (PAST) was developed to address concerns with user-friendliness and slow-running analyses. This new user-friendly tool has been released on Bioconductor and Github. In testing, PAST ran analyses in less than one hour that previously required twenty-four or more hours. In this article, we present the protocol for using either the Shiny application or the R console to run PAST.

By running the Pathway Association Study Tool (PAST), either through the Shiny application or through the R console, researchers can gain a deeper understanding of the biological meaning of their genome-wide association study (GWAS) results by investigating the metabolic pathways involved.

代謝経路情報のGWAS解析のための経路関連研究ツール

Recently, a new implementation of a previously described method for interpreting genome-wide association study (GWAS) data using metabolic pathway ...

<meta charset="utf8"></head><body>初心者に優しいCUT&RUNデータ解析用単一言語パイプライン

Introductory Analysis and Validation of CUT&#38;RUN Sequencing Data

The CUT&amp;RUN technique facilitates detection of protein-DNA interactions across the genome. Typical applications of CUT&amp;RUN include profiling changes in histone tail modifications or mapping transcription factor chromatin occupancy. Widespread adoption of CUT&amp;RUN is driven, in part, by technical advantages over conventional ChIP-seq that include lower cell input requirements, lower sequencing depth requirements, and increased sensitivity with reduced background signal due to a lack of cross-linking agents that otherwise mask antibody epitopes. Widespread adoption of CUT&amp;RUN has also been achieved through the generous sharing of reagents by the Henikoff lab and the development of commercial kits to accelerate adoption for beginners. As technical adoption of CUT&amp;RUN increases, CUT&amp;RUN sequencing analysis and validation become critical bottlenecks that must be surmounted to enable complete adoption by predominantly wet lab teams. CUT&amp;RUN analysis typically begins with quality control checks on raw sequencing reads to assess sequencing depth, read quality, and potential biases. Reads are then aligned to a reference genome sequence assembly, and several bioinformatics tools are subsequently employed to annotate genomic regions of protein enrichment, confirm data interpretability, and draw biological conclusions. Although multiple in silico analysis pipelines have been developed to support CUT&amp;RUN data analysis, their complex multi-module structure and usage of multiple programming languages render the platforms difficult for bioinformatics beginners who may lack familiarity with multiple programming languages but wish to understand the CUT&amp;RUN analysis procedure and customize their analysis pipelines. Here, we provide a single-language step-by-step CUT&amp;RUN analysis pipeline protocol designed for users with any level of bioinformatics experience. This protocol includes completing critical quality checks to validate that the sequencing data is suitable for biological interpretation. We expect that following the introductory protocol provided in this article combined with downstream peak annotation will allow users to draw biological insights from their own CUT&amp;RUN datasets.

<meta charset="utf8"></head><body>著者スポットライト:がんの開始と免疫療法耐性における反復DNAミスレギュレーションの役割の調査

This protocol guides bioinformatics beginners through an introductory CUT&amp;RUN analysis pipeline that enables users to complete an initial analysis and validation of CUT&amp;RUN sequencing data. Completing the analysis steps described here, combined with downstream peak annotation, will allow users to draw mechanistic insights into chromatin regulation.

CUT&#38;RUNシーケンシングデータの入門解析と検証

The CUT&amp;RUN technique facilitates detection of protein-DNA interactions across the genome. Typical applications of CUT&amp;RUN include profiling ...

Pipeline for Analyzing Microarray Data in Esophageal Cancer Research

Development of Compendium for Esophageal Squamous Cell Carcinoma

Esophageal cancer (EC) ranks as the 8th most aggressive malignancy, and its treatment remains challenging due to the lack of biomarkers facilitating early detection. EC manifests in two major histological forms - adenocarcinoma (EAD) and squamous cell carcinoma (ESCC) - both exhibiting variations in incidence across geographically distinct populations. High-throughput technologies are transforming the understanding of diseases, including cancer. A significant challenge for the scientific community is dealing with scattered data in the literature. To address this, a simple pipeline is proposed for the analysis of publicly available microarray datasets and the collection of differentially regulated molecules between cancer and normal conditions. The pipeline can serve as a standard approach for differential gene expression analysis, identifying genes differentially expressed between cancer and normal tissues or among different cancer subtypes. The pipeline involves several steps, including Data preprocessing (involving quality control and normalization of raw gene expression data to remove technical variations between samples), Differential expression analysis (identifying genes differentially expressed between two or more groups of samples using statistical tests such as t-tests, ANOVA, or linear models), Functional analysis (using bioinformatics tools to identify enriched biological pathways and functions in differentially expressed genes), and Validation (involving validation using independent datasets or experimental methods such as qPCR or immunohistochemistry). Using this pipeline, a collection of differentially expressed molecules (DEMs) can be generated for any type of cancer, including esophageal cancer. This compendium can be utilized to identify potential biomarkers and drug targets for cancer and enhance understanding of the molecular mechanisms underlying the disease. Additionally, population-specific screening of esophageal cancer using this pipeline will help identify specific drug targets for distinct populations, leading to personalized treatments for the disease.

This protocol describes a useful tool for identifying significant molecular changes in cancer and leads to the development of new diagnostic and therapeutic approaches for esophageal squamous cell carcinoma.

Esophageal cancer (EC) ranks as the 8th most aggressive malignancy, and its treatment remains challenging due to the lack of biomarkers facilitating early ...

A Knowledge Graph Approach to Elucidate the Role of Organellar Pathways in Disease via Biomedical Reports

The rapidly increasing and vast quantities of biomedical reports, each containing numerous entities and rich information, represent a rich resource for biomedical text-mining applications. These tools enable investigators to integrate, conceptualize, and translate these discoveries to uncover new insights into disease pathology and therapeutics. In this protocol, we present CaseOLAP LIFT, a new computational pipeline to investigate cellular components and their disease associations by extracting user-selected information from text datasets (e.g., biomedical literature). The software identifies sub-cellular proteins and their functional partners within disease-relevant documents. Additional disease-relevant documents are identified via the software's label imputation method. To contextualize the resulting protein-disease associations and to integrate information from multiple relevant biomedical resources, a knowledge graph is automatically constructed for further analyses. We present one use case with a corpus of ~34 million text documents downloaded online to provide an example of elucidating the role of mitochondrial proteins in distinct cardiovascular disease phenotypes using this method. Furthermore, a deep learning model was applied to the resulting knowledge graph to predict previously unreported relationships between proteins and disease, resulting in 1,583 associations with predicted probabilities &gt;0.90 and with an area under the receiver operating characteristic curve (AUROC) of 0.91 on the test set. This software features a highly customizable and automated workflow, with a broad scope of raw data available for analysis; therefore, using this method, protein-disease associations can be identified with enhanced reliability within a text corpus.

A Knowledge Graph Approach to Elucidate the Role of Organellar Pathways in Disease via Biomedical Reports

A computational protocol, CaseOLAP LIFT, and a use case are presented for investigating mitochondrial proteins and their associations with cardiovascular disease as described in biomedical reports. This protocol can be easily adapted to study user-selected cellular components and diseases.

生物医学的報告 による 疾患におけるオルガネラ経路の役割を解明するためのナレッジグラフアプローチ

The rapidly increasing and vast quantities of biomedical reports, each containing numerous entities and rich information, represent a rich resource for ...

生成高品質の機械可読の生物学的経路のためのWebツール

要約

さらに動画を探す

この動画の章

CyVerseリソースの活用

サンプル準備およびゼブラフィッシュから RNASeq による遺伝子発現データの解析

同様に効果的な二値分類性能を持つ複数のバイオマーカーのサブセットを選択

人間のゲノムとモデル生物遺伝学情報を統合するWebベースのツール、MARRVELのナビゲート

代謝経路情報のGWAS解析のための経路関連研究ツール

CUT&RUNシーケンシングデータの入門解析と検証

CUT&RUNシーケンシングデータの入門解析と検証

CUT&RUNシーケンシングデータの入門解析と検証

Development of Compendium for Esophageal Squamous Cell Carcinoma

生物医学的報告による疾患におけるオルガネラ経路の役割を解明するためのナレッジグラフアプローチ

生成高品質の機械可読の生物学的経路のためのWebツール

要約

さらに動画を探す

この動画の章

CyVerseリソースの活用

サンプル準備およびゼブラフィッシュから RNASeq による遺伝子発現データの解析

同様に効果的な二値分類性能を持つ複数のバイオ マーカーのサブセットを選択

人間のゲノムとモデル生物遺伝学情報を統合するWebベースのツール、MARRVELのナビゲート

代謝経路情報のGWAS解析のための経路関連研究ツール

CUT&RUNシーケンシングデータの入門解析と検証

CUT&RUNシーケンシングデータの入門解析と検証

CUT&RUNシーケンシングデータの入門解析と検証

Development of Compendium for Esophageal Squamous Cell Carcinoma

生物医学的報告 による 疾患におけるオルガネラ経路の役割を解明するためのナレッジグラフアプローチ

同様に効果的な二値分類性能を持つ複数のバイオマーカーのサブセットを選択

生物医学的報告による疾患におけるオルガネラ経路の役割を解明するためのナレッジグラフアプローチ