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 arbeidet ble finansiert av det tyske føderale institutt for risikovurdering (BfR).

1. download GSEA programvare og molekylære signaturer databasen <ol><li>gå til den offisielle nettsiden GSEA bred Institute (http://software.broadinstitute.org/gsea/index.jsp) og registrere deg for å få tilgang til GSEA programvare verktøyet og molekylære signaturer databasen (MSigDB).</li>
	<li>Last ned javaGSEA desktop søknad eller alternativ programvare alternativer (f.eks, R-skript). 
	Merk: Alle alternativene implementere nøyaktig samme algoritme. GSEA programvaren er fritt tilgjengelig for ...

<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 lenge brukt for etterforskningen av sykdom mekanismer og utviklingen av romanen strategier. Men begynte skepsis om predictivity av dyremodeller å spre etter feil av kliniske studier12. Videre ble kontroversielle diskusjoner om riktig strategier for å analysere og tolke store omics data fra prekliniske forsøk reist fra motsatt konklusjonene fra samme data etter at ulike data analysen strategier1 ,2. Derfor er det en hø...

Dyr modeller er mye brukt til å studere menneskelige sykdommer, på grunn av deres antatte likhet å Human genetikk, anatomi og fysiologi. Videre dyremodeller ofte tjene som gatekeepere til klinisk behandling og kan ha en enorm innvirkning på suksessen av translasjonsforskning. Nøye utvalg av den optimale dyremodell kan redusere antall misvisende dyrestudier. Nylig har relevansen av dyr modeller for translasjonsforskning vært kontroversielt diskutert, særlig fordi analysere samme datasett menneskelige inflammatoriske sykdommer og relaterte musen modeller førte til selvmotsigende konklusjoner 1,2. Denne diskusjonen avdekket et grunnleggende problem under analyserer omics: standardiserte metoder for systematisk dataanalyse er nødvendig for å redusere partisk genet utvalg og øke robustheten ved Inter sammenligninger 3.
Tradisjonelt analyse av transcriptomics data (og andre omics data) er gjort på enkelt-genet nivå og inkluderer et første trinn av genet valg basert på strenge cut-off parametere (f.eks, kaste endring &#62; 2.0 p verdien &#60; 0,05). Men innstillingen for første cut-off parametere ofte subjektiv, tilfeldig og ikke biologisk berettiget, og kan også føre til motsatt konklusjoner1,2. Videre første gen utvalg vanligvis begrenser analyse til noen høyt opp- og downregulated gener og er dermed ikke sensitive nok til å inneholde fleste gener som var ulikt uttrykt i mindre grad.
Med fremveksten av genomics tid tidlig på 2000-tallet og økende kunnskap om biologiske banene og sammenhenger, ble alternative statistiske metodene utviklet som kan omgå begrensningene for single-genet nivå analyser. Gene satt berikelse analyse (GSEA)4, som er en av de aksepterte metodene for analyse av transcriptomics data, gjør bruk av en priori definert gener (f.ekssignalnettverk trasé, proksimale plassering på et kromosom osv.). GSEA første kart alle oppdaget ufiltrert gener til de tiltenkte gene settene (f.eks, veier) uavhengig av deres individuelle endring i uttrykket. Denne tilnærmingen inkluderer dermed også moderat regulert gener som ellers ville vært tapt med enkelt-genet nivå analyser. Additiv endring i uttrykket i genet sett utføres senere med løpende sum statistikk.
Til tross for bred bruk i medisinsk forskning tas GSEA og relaterte sett berikelse tilnærminger Self-tydeligvis ikke i betraktning for analyse av komplekse omics data. Her beskriver vi en protokoll for å sammenligne omics data fra menneskelige prøver med de fra musen modeller for å identifisere den ideelle modellen for translational studier. Vi viser til anvendelsen av protokollen basert på en samling av musen modeller som brukes for å etterligne menneskelige inflammatoriske lidelser. Men denne analyse rørledningen er ikke begrenset til menneske-mus sammenligninger og amendable ytterligere forskning spørsmål.

<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

Nyere studier som sammenlignet transcriptomic datasett av menneskelige sykdommer med datasett fra musen modeller med tradisjonelle gen-til-genet sammenligning teknikker resulterte i selvmotsigende konklusjoner om relevansen av dyr modeller for translasjonsforskning forskning. En viktig grunn til uoverensstemmelsene mellom forskjellige gene expression analyser er vilkårlig filtreringen av ulikt uttrykt gener. Videre er sammenligning av enkelt gener mellom forskjellige arter og plattformer ofte begrenset av tekniske avvik, fører til feiltolkning av con/discordance mellom data fra mennesker og dyr modeller. Dermed er standardiserte metoder for systematisk dataanalyse nødvendig. For å overvinne subjektive genet filtrering og ineffektive gen-til-genet sammenligninger, viste vi nylig at gen sett berikelse analyse (GSEA) har potensial til å unngå disse problemene. Derfor har vi utviklet en standardisert protokoll for bruk av GSEA til å skille mellom passende og upassende dyr modeller for translasjonsforskning. Denne protokollen er ikke egnet til å forutsi hvordan du utformer nye modellsystemer en-priori, som det krever eksisterende eksperimentelle omics data. Imidlertid beskriver protokollen Hvordan tolke eksisterende data på en standardisert måte for å velge den mest passende dyremodell, dermed unngå unødvendige dyreforsøk og villedende translational studier.

GSEA arbeidsflyt og skjermbilder av eksemplarisk data er vist. Figur 1 viser gene expression datafilen som inneholder transcriptomic interesse. For hver studie en beskrivende fenotypen fil er nødvendig som vises i figur 2. Kommenterte genet sett (f.eks, veier) defineres i genet angi databasefilen (Figur 3). Figur 4 viser en trinnvis protokoll for bruk av GSEA P...

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 gir en standardisert protokoll for bruk av genet angi berikelse analyse av transcriptomic data til å identifisere en ideell musemodell for translasjonsforskning. Denne protokollen kan brukes med microarray DNA og RNA sekvensering data og kan videre utvides til andre omics data hvis data er tilgjengelige.

En protokoll for bruk av Gene satt berikelse analyse for å identifisere den aktuelle dyr modellen for translasjonsforskning

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 av ribosome Innbundne begynnende polypeptider<em&gt; In vitro</em&gt; For å identifisere translasjonelle 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

Bruke SecM Arrest sekvens som et verktøy for å isolere ribosom Innbundne 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 modell for å identifisere Oversettelse 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

Komplett arbeidsflyt for analyse av Histone posttranslasjonelle modifikasjoner hjelp Bottom-up massespektrometri: Fra Histone Utvinning 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 ...