Name: a protocol for using gene set enrichment analysis to identify the appropriate animal model for translational research
Uploaded: 2017-08-16T12:30:00
Description: Watch this Scientific Journal Video about A Protocol for Using Gene Set Enrichment Analysis to Identify the Appropriate Animal Model for Translational Research at JoVE.com

Dette arbejde blev finansieret af det tyske føderale Institut for risikovurdering (BfR).

1. download GSEA softwaren og databasen molekylære signaturer <ol><li>gå til den officielle GSEA bred Institut hjemmeside (http://software.broadinstitute.org/gsea/index.jsp) og registrere for at få adgang til GSEA software værktøj og den molekylære signaturer Database (MSigDB).</li>
	<li>Hent javaGSEA desktop applikation eller alternativ software mulighed (f.eks., R script). 
	Bemærk: Alle indstillinger gennemføre præcis den samme algoritme. GSEA software er frit tilgængelig for personer i den ...

<ol>
	<li>Seok, J., 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=Genomic+responses+in+mouse+models+poorly+mimic+human+inflammatory+diseases.">Genomic responses in mouse models poorly mimic human inflammatory diseases.</a> Proc Natl Acad Sci U S A. 110 (9), 3507-3512 (2013).</li><li>Takao, K., Miyakawa, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Genomic+responses+in+mouse+models+greatly+mimic+human+inflammatory+diseases.">Genomic responses in mouse models greatly mimic human inflammatory diseases.</a> Proc Natl Acad Sci U S A. 112 (4), 1167-1172 (2015).</li><li>Weidner, C., Steinfath, M., Opitz, E., Oelgeschl&#228;ger, M., Sch&#246;nfelder, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Defining+the+optimal+animal+model+for+translational+research+using+gene+set+enrichment+analysis.">Defining the optimal animal model for translational research using gene set enrichment analysis.</a> EMBO Mol Med. 8 (8), 831-838 (2016).</li><li>Subramanian, 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=Gene+set+enrichment+analysis:+a+knowledge-based+approach+for+interpreting+genome-wide+expression+profiles.">Gene set enrichment analysis: a knowledge-based approach for interpreting genome-wide expression profiles.</a> Proc Natl Acad Sci U S A. 102 (43), 15545-15550 (2005).</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>Kanehisa, M., Goto, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=KEGG:+kyoto+encyclopedia+of+genes+and+genomes.">KEGG: kyoto encyclopedia of genes and genomes.</a> Nucleic Acids Res. 28 (1), 27-30 (2000).</li><li>Fabregat, 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=The+Reactome+pathway+Knowledgebase.">The Reactome pathway Knowledgebase.</a> Nucleic Acids Res. 44 (D1), D481-D487 (2016).</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>Nishimura, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=BioCarta.">BioCarta.</a> Biotech Software &amp; Internet Report. 2 (3), 117-120 (2001).</li><li>Edgar, R., Domrachev, M., Lash, A. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Gene+Expression+Omnibus:+NCBI+gene+expression+and+hybridization+array+data+repository.">Gene Expression Omnibus: NCBI gene expression and hybridization array data repository.</a> Nucleic Acids Res. 30 (1), 207-210 (2002).</li><li>Kolesnikov, 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=ArrayExpress+update--simplifying+data+submissions.">ArrayExpress update--simplifying data submissions.</a> Nucleic Acids Res. 43 (Database issue), D1113-D1116 (2015).</li><li>Cohen, J., 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=Sepsis:+a+roadmap+for+future+research.">Sepsis: a roadmap for future research.</a> Lancet Infect Dis. 15 (5), 581-614 (2015).</li><li>Spinelli, L., Carpentier, S., Montanana Sanchis, F., Dalod, M., Vu Manh, T. P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=BubbleGUM:+automatic+extraction+of+phenotype+molecular+signatures+and+comprehensive+visualization+of+multiple+Gene+Set+Enrichment+Analyses.">BubbleGUM: automatic extraction of phenotype molecular signatures and comprehensive visualization of multiple Gene Set Enrichment Analyses.</a> BMC Genomics. 16 (1), 814 (2015).</li></ol>

Dyremodeller har længe været anvendt i undersøgelsen af sygdomsmekanismer og udviklingen af nye terapeutiske strategier. Men skepsis vedrørende gendata af dyremodeller begyndte at sprede efter svigt af kliniske forsøg12. Derudover blev kontroversielle diskussioner om passende strategier for at analysere og fortolke store omik data fra prækliniske forsøg rejst af modsatte konklusioner fra de samme data efter anvender forskellige data analyse strategier1 ,<...

Dyremodeller er meget udbredt at studere sygdomme hos mennesker, på grund af deres formodet lighed med mennesker i form af genetik, anatomi og fysiologi. Derudover dyremodeller ofte tjene som dørvogtere til kliniske behandlinger og kan have en enorm indflydelse på succes for Translationel forskning. Omhyggelig udvælgelse af de optimale dyremodel kan reducere antallet af vildledende dyreforsøg. For nylig, relevansen af dyremodeller for Translationel forskning har været kontroversielt diskuteret, især fordi analysere de samme datasæt opnået fra menneskelige inflammatoriske sygdomme og relaterede musemodeller førte til modstridende konklusioner 1,2. Denne drøftelse afslørede et grundlæggende problem løbet analysere omik data: standardiserede metoder til systematisk dataanalyse er nødvendig for at reducere forudindtaget gen udvælgelse og øge robustheden af interspecies sammenligninger 3.
Traditionelt, analyse af transcriptomics data (og andre omik data) er gjort på enkelt-gen plan og omfatter et første skridt i gen valg baseret på strenge cut-off parametre (fx, fold ændring &#62; 2.0, p-værdi &#60; 0,05). Men indstilling af indledende cut-off parametre ofte er subjektive, vilkårlige og ikke biologisk begrundede, og kan endda føre til modsatte konklusioner1,2. Derudover oprindelige gen udvælgelse generelt begrænser analysen til et par meget op- og downregulated gener og er dermed ikke følsomme nok til at omfatte størstedelen af gener, der var varierende udtrykt i et mindre omfang.
Med fremkomsten af genomforskning æra i begyndelsen af 2000 ' erne og den øgede viden om biologiske veje og sammenhænge, blev alternative statistiske metoder udviklet, lov til at omgå begrænsningerne af enkelt-gen niveau analyser. Gen sæt berigelse analyse (GSEA)4, som er en af de udbredte metoder til analyse af transcriptomics data, gør brug af a priori definerede grupper af gener (fxsignalering veje, proksimale placering på et kromosom osv.). GSEA kort først alle detekterede ufiltreret gener til de tilsigtede gen sæt (fx, veje), uanset deres individuelle ændring i udtryk. Denne tilgang omfatter således også moderat regulerede gener, der ellers ville være tabt med enkelt-gen niveau analyser. Tilsætningsstof ændringen i udtryk inden for gen sæt udføres senere ved hjælp af løbende sum statistik.
På trods af sin bredt anvendes i medicinsk forskning, er GSEA og relaterede sæt berigelse tilgange ikke indlysende taget hensyn til analyse af komplekse omik data. Her, beskriver vi en protokol for at sammenligne omik data fra menneskelige prøver med dem fra musemodeller for at identificere den ideelle model for Translationel undersøgelser. Vi påvise anvendeligheden af den protokol, der er baseret på en samling af musemodeller, der bruges til at efterligne menneskelige inflammatoriske lidelser. Men denne analyse rørledning er ikke begrænset til menneskelige-mus sammenligninger og er ændres til yderligere forskningsspørgsmål.

<table border="0" cellpadding="0" cellspacing="0" width="632">
	<tbody>
		<tr height="42">
			<td class="xl63" height="42" style="height:31.5pt;width:162pt" width="216">Excel</td>
			<td class="xl63" style="width:98pt" width="130">Microsoft Corporation</td>
			<td class="xl63" style="width:89pt" width="119"></td>
			<td class="xl64" style="width:125pt" width="167"></td>
		</tr>
	</tbody>
</table>

a protocol for using gene set enrichment analysis to identify the appropriate animal model for translational research

Nylige undersøgelser, som sammenlignede transkriptom datasæt af menneskelige sygdomme med datasæt fra musemodeller ved hjælp af traditionelle gen-til-gen sammenligning teknikker resulterede i selvmodsigende konklusioner med hensyn til relevansen af dyremodeller for Translationel forskning. En væsentlig årsag til afvigelser mellem forskellige gen expression analyser er vilkårlige filtrering af varierende udtrykte gener. Derudover er sammenligning af enkelt gener mellem forskellige arter og platforme ofte begrænset af tekniske afvigelse, fører til fejlfortolkning af con/uoverensstemmelse mellem data fra menneskers og dyrs modeller. Således, standardiserede metoder til systematisk dataanalyse er nødvendig. For at overvinde subjektive gen filtrering og ineffektive gen-til-gen sammenligninger, viste vi for nylig, at genet sæt berigelse analyse (GSEA) har potentiale til at undgå disse problemer. Derfor, vi udviklede en standardiseret protokol for brug af GSEA at skelne mellem passende og upassende dyremodeller for Translationel forskning. Denne protokol er ikke egnet til at forudsige hvordan til at designe nye modelsystemer-forhånd, da det kræver eksisterende eksperimentelle omik data. Dog beskriver protokollens, hvordan du fortolker eksisterende data på en standardiseret måde for at vælge den mest passende dyremodel, således at undgå unødvendige dyreforsøg og vildledende translationel undersøgelser.

GSEA arbejdsgang og screenshots af eksemplariske data er påvist. Figur 1 viser gen expression datafil, der indeholder transkriptom data af interesse. For hver undersøgelse en beskrivende fænotype fil er påkrævet, er vist i figur 2. Kommenteret gen sæt (fx, veje) er defineret i filen gen sæt database (figur 3). Figur 4 viser en trinvis protokol for anvende...

Watch this Scientific Journal Video about A Protocol for Using Gene Set Enrichment Analysis to Identify the Appropriate Animal Model for Translational Research at JoVE.com

A Protocol for Using Gene Set Enrichment Analysis to Identify the Appropriate Animal Model for Translational Research

Vi leverer en standardiseret protokol for brug af gen sæt berigelse analyse af transkriptom data til at identificere en ideel musemodel for Translationel forskning. Denne protokol kan bruges med DNA microarray og RNA sequencing data og kan yderligere udvides til at omfatte andre omik data, hvis der foreligger data.

En protokol til brug af gen sæt berigelse analyse til at identificere den passende dyremodel for Translationel forskning

Recent studies that compared transcriptomic datasets of human diseases with datasets from mouse models using traditional gene-to-gene comparison ...

Research

JoVE Journal

Biology

Testing Visual Sensitivity to the Speed and Direction of Motion in Lizards

Testing visual sensitivity in any species provides basic information regarding behaviour, evolution, and ecology. However, testing specific features of ...

Computer-Generated Animal Model Stimuli

Communication between animals is diverse and complex. Animals may communicate using auditory, seismic, chemosensory, electrical, or visual signals. In ...

Using the Gene Pulser MXcell Electroporation System to Transfect Primary Cells with High Efficiency

It is becoming increasingly apparent that electroporation is the most effective way to introduce plasmid DNA or siRNA into primary cells. The Gene Pulser ...

Genome-wide Analysis using ChIP to Identify Isoform-specific Gene Targets

Recruitment of transcriptional and epigenetic factors to their targets is a key step in their regulation. Prominently featured in recruitment are the ...

The Method of Rodent Whole Embryo Culture using the Rotator-type Bottle Culture System

Whole embryo culture (WEC) technique has been developed in 1950's by New and his colleagues, and applied for developmental biology 1. Although development ...

Isolation of Ribosome Bound Nascent Polypeptides in vitro to Identify Translational Pause Sites Along mRNA

Isolation of Ribosome Bound Nascent Polypeptides in vitro to Identify Translational Pause Sites Along mRNA

Isolering af ribo Bundet Gryende polypeptider<em&gt; In vitro</em&gt; Til at identificere Translationelle Pause steder langs mRNA

The rate of translational elongation is non-uniform. mRNA secondary structure, codon usage and mRNA associated proteins may alter ribosome movement on the ...

Using SecM Arrest Sequence as a Tool to Isolate Ribosome Bound Polypeptides

Brug SecM Arrest Sequence som et redskab til at isolere ribo bundne polypeptider

Extensive research has provided ample evidences suggesting that protein folding in the cell is a co-translational process1-5. However, the exact pathway ...

Using Caenorhabditis elegans as a Model System to Study Protein Homeostasis in a Multicellular Organism

Using Caenorhabditis elegans as a Model System to Study Protein Homeostasis in a Multicellular Organism

The folding and assembly of proteins is essential for protein function, the long-term health of the cell, and longevity of the organism. Historically, the ...

Xenopus laevis as a Model to Identify Translation Impairment

Xenopus laevis as a Model to Identify Translation Impairment

Xenopus laevis som en model til at identificere Oversættelse Nedskrivning

Protein synthesis is a fundamental process to gene expression impacting diverse biological processes notably adaptation to environmental conditions. The ...

Complete Workflow for Analysis of Histone Post-translational Modifications Using Bottom-up Mass Spectrometry: From Histone Extraction to Data Analysis

Komplet Workflow for Analyse af Histon post-translationelle modifikationer Brug Bottom-up-massespektrometri: Fra Histon Extraction til dataanalyse

Nucleosomes are the smallest structural unit of chromatin, composed of 147 base pairs of DNA wrapped around an octamer of histone proteins. Histone ...