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

Detta arbete finansierades av den tyska federala institutet för riskbedömning (BfR).

1. Hämta programvaran GSEA och molekylära signaturer databasen <ol><li>gå till webbplatsen för officiella GSEA bred Institute (http://software.broadinstitute.org/gsea/index.jsp) och registrera dig för att få tillgång till programvaran GSEA verktyg och molekylära signaturer databasen (MSigDB).</li>
	<li>Ladda ner javaGSEA skrivbordsprogrammet eller ett alternativ programvara alternativ (t.ex., R skriptet). 
	Obs: Alla alternativ genomföra exakt samma algoritm. GSEA programvaran är fritt tillgän...

<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>

Djurmodeller har länge tillämpats för utredningen av sjukdomsmekanismer och utvecklingen av nya terapeutiska strategier. Dock börjat skepsis angående prediktivitet av djurmodeller sprida sig efter misslyckandena i kliniska prövningar12. Dessutom höjdes kontroversiella diskussioner om lämpliga strategier för att analysera och tolka stora omics data från prekliniska studier med motsatta slutsatser dras från samma data efter tillämpa olika data analys strategier1 ...

Djurmodeller används allmänt att studera mänskliga sjukdomar, på grund av deras förmodade likhet med människor när det gäller genetik, anatomi och fysiologi. Dessutom djurmodeller ofta tjäna som gatekeepers till kliniska behandlingar och kan ha en enorm inverkan på framgången för translationell forskning. Noggrant urval av den optimala djurmodell kan minska antalet vilseledande djurstudier. Nyligen, relevansen av djurmodeller för translationell forskning har varit diskuteras controversially, särskilt därför att analysera de samma datamängder som erhållits från mänskliga inflammatoriska sjukdomar och relaterade musmodeller ledde till motstridiga slutsatser 1,2. Denna diskussion avslöjade ett grundläggande problem under analysera omics data: standardiserade metoder för systematisk analys behövs för att minska partisk gen urval och öka robustheten av SAR jämförelser 3.
Traditionellt, analys av transkriptomik data (och andra omics data) görs på singel-gen nivå och omfattar ett första steg av genen urval baserat på stränga cut-off parametrar (t.ex., fold change &#62; 2.0, p-värde &#60; 0,05). Men inställningen av inledande cut-off parametrar ofta är subjektiva, godtyckliga och inte biologiskt motiverade, och kan även leda till motsatta slutsatser1,2. Dessutom första gen urval generellt begränsar analysen till några mycket upp- och nedreglerade gener och är således inte tillräckligt känslig för att inkludera flesta av gener som uttrycktes differentially i mindre utsträckning.
Med uppkomsten av genomik eran i början av 2000 talet och ökande kunskap om biologiska spridningsvägar och sammanhang utvecklades alternativa statistiska metoder som tillät att kringgå begränsningarna för singel-gen nivå analyser. Gen som berikning analys (GSEA)4, som är en av de allmänt accepterade metoderna för analys av transkriptomik data, använder sig av a-priori definierade grupper av gener (t.ex., signalering vägar, proximala plats på en kromosom etc.). GSEA kartor först alla upptäckta ofiltrerade gener till de avsedda gen-apparater (t.ex., vägar), oavsett deras enskilda ändring i uttryck. Denna strategi omfattar således även måttligt reglerade gener som annars skulle gå förlorad med singel-gen nivå analyser. Uttryck inom genen uppsättningar additiv förändringen utförs därefter med rinnande summan statistik.
Trots dess omfattande användning i medicinsk forskning, är GSEA och relaterade set anrikning tillvägagångssätt inte självklart tagit hänsyn för analys av komplexa omics data. Här beskriver vi ett protokoll för att jämföra omics data från mänskliga prover med de från mus-modeller för att identifiera den idealiska modellen för translationella studier. Vi visar tillämpligheten av de protokoll som är baserat på en samling av mus-modeller som används för att imitera mänskligt inflammatoriska sjukdomar. Men denna analys rörledning är inte begränsad till mänskliga-mus jämförelser och är Parkeringsleverantörer ytterligare forskningsfrågor.

<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

Nyligen genomförda studier som jämförde transcriptomic dataset av mänskliga sjukdomar med datamängder från musmodeller med traditionella gen-till-gen jämförelse teknik resulterade i motstridiga slutsatser angående relevansen av djurmodeller för translationell forskning. En stor anledning till skillnaderna mellan olika gen uttryck analyser är godtycklig filtrering av Differentiellt uttryckta gener. Jämförelse av enskilda gener mellan olika arter och plattformar ofta begränsas dessutom av tekniska varians, vilket leder till felaktig tolkning av den con/discordance mellan data från modeller för människors och djurs. Således, standardiserade metoder för systematisk analys behövs. För att övervinna subjektiva gen filtrering och ineffektiva gen-till-gen jämförelser, visat vi nyligen att genen set anrikning analys (GSEA) har potential att undvika dessa problem. Därför utvecklade vi ett standardiserat protokoll för användning av GSEA att skilja mellan lämpliga och olämpliga djurmodeller för translationell forskning. Detta protokoll är inte lämplig att förutsäga hur man utformar nya modellsystem en–priori, eftersom det kräver befintliga experimentella omics data. Dock beskriver protokollet hur du tolkar befintliga data på ett standardiserat sätt för att välja den mest passande djurmodell, således undvika onödiga djurförsök och vilseledande translationella studier.

GSEA arbetsflöde och skärmdumpar av exemplarisk data demonstreras. Figur 1 visar gen uttryck datafilen som innehåller de transcriptomic data av intresse. För varje studie en beskrivande fenotyp-fil krävs som visas i figur 2. Kommenterad gen uppsättningar (t.ex., vägar) definieras i gen set databasfilen (figur 3). Figur 4 visar en stegvisa protokoll för a...

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 ger ett standardiserat protokoll för användning av genen set anrikning analys av transcriptomic data för att identifiera en idealisk musmodell för translationell forskning. Detta protokoll kan användas med DNA microarray och RNA-sekvensering data och kan ytterligare utvidgas till andra omics data om data finns tillgängliga.

Ett protokoll för att använda gen Set-anrikning analys identifiera den lämplig djurmodell för translationell 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

Testa Visual Känsligheten för hastighet och rörelseriktning i Ödlor

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

Computer-Generated Animal Model Stimuli

Datorgenererade djurmodell 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

Använda Gene Pulser MXcell elektroporation System till transfektera primärceller med hög verkningsgrad

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

Genomvid Analys med hjälp av chip för att identifiera isoform-specifik gen mål

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

Metoden för Gnagare Hela Embryo Culture med Rotator-typ System Bottle Kultur

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 ribosom Bundna framväxande Polypeptider<em&gt; In vitro</em&gt; För att identifiera Translationell Paus webbplatser Längs 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

Använda SecM Arrest sekvens som ett verktyg för Isolera ribosom Bundna 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 för att identifiera Översättning Nedskrivningar

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 arbetsflöde för analys av Histon posttranslationella modifieringar med botten upp masspektrometri: Från Histon Extraction till dataanalys

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