Name: inherent dynamics visualizer, an interactive application for evaluating and visualizing outputs from a gene regulatory network inference pipeline
Uploaded: 2021-12-07T13:30:00
Description: Watch this Scientific Journal Video about Inherent Dynamics Visualizer, an Interactive Application for Evaluating and Visualizing Outputs from a Gene Regulatory Network Inference Pipeline at JoVE.com

这项工作由NIH拨款R01 GM126555-01和NSF拨款DMS-1839299资助。

1. 安装 IDP 和 IDV
注意：本节假设 Docker、conda、pip 和 git 已经安装（材料表）。
<ol><li>在终端中，输入命令： git clone https://gitlab.com/biochron/inherent_dynamics_pipeline.git。
</li>
	<li>按照 IDP 的自述文件中的安装说明进行操作。</li>
	<li>在终端中，输入命令： git clone https://gitlab.com/bertfordley/inherent_dynamics_visualizer.git。 注意：IDV 的克隆应在 IDP 的?...

<ol>
	<li>Karlebach, G., Shamir, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Modelling+and+analysis+of+gene+regulatory+networks.">Modelling and analysis of gene regulatory networks.</a> Nature Reviews Molecular Cell Biology. 9 (10), 770-780 (2008).</li><li>Aij&#246;, T., L&#228;hdesm&#228;ki, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Learning+gene+regulatory+networks+from+gene+expression+measurements+using+non-parametric+molecular+kinetics.">Learning gene regulatory networks from gene expression measurements using non-parametric molecular kinetics.</a> Bioinformatics. 25 (22), 2937-2944 (2009).</li><li>Huynh-Thu, V. A., Sanguinetti, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Combining+tree-based+and+dynamical+systems+for+the+inference+of+gene+regulatory+networks.">Combining tree-based and dynamical systems for the inference of gene regulatory networks.</a> Bioinformatics. 31 (10), 1614-1622 (2015).</li><li>Oates, C. 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=Causal+network+inference+using+biochemical+kinetics.">Causal network inference using biochemical kinetics.</a> Bioinformatics. 30 (17), 468-474 (2014).</li><li>Marbach, 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=Wisdom+of+crowds+for+robust+gene+network+inference.">Wisdom of crowds for robust gene network inference.</a> Nature Methods. 9 (8), 796-804 (2012).</li><li>. Inherent Dynamics Pipeline Available from: <a target="_blank" href="https://gitlab.com/biochron/inherent_dynamics_pipeline">https://gitlab.com/biochron/inherent_dynamics_pipeline</a> (2021)</li><li>Motta, F. C., Moseley, R. C., Cummins, B., Deckard, A., Haase, S. B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Conservation+of+dynamic+characteristics+of+transcriptional+regulatory+elements+in+periodic+biological+processes.">Conservation of dynamic characteristics of transcriptional regulatory elements in periodic biological processes.</a> bioRxiv. , (2020).</li><li>. LEMpy Available from: <a target="_blank" href="https://gitlab.com/biochron/lempy">https://gitlab.com/biochron/lempy</a> (2021)</li><li>McGoff, K. 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+local+edge+machine:+inference+of+dynamic+models+of+gene+regulation.">The local edge machine: inference of dynamic models of gene regulation.</a> Genome Biology. 17, 214 (2016).</li><li>Cummins, B., Gedeon, T., Harker, S., Mischaikow, K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Model+rejection+and+parameter+reduction+via+time+series.">Model rejection and parameter reduction via time series.</a> SIAM Journal on Applied Dynamical Systems. 17 (2), 1589-1616 (2018).</li><li>Cummins, B., Gedeon, T., Harker, S., Mischaikow, K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Database+of+Dynamic+Signatures+Generated+by+Regulatory+Networks+(DSGRN).">Database of Dynamic Signatures Generated by Regulatory Networks (DSGRN).</a> Lecture Notes in Computer Science. (including Subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics). , 300-308 (2017).</li><li>Cummins, B., Gedeon, T., Harker, S., Mischaikow, K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=DSGRN:+Examining+the+dynamics+of+families+of+logical+models.">DSGRN: Examining the dynamics of families of logical models.</a> Frontiers in Physiology. 9. 9, 549 (2018).</li><li>. DSGRN Available from: <a target="_blank" href="https://github.com/marciogameiro/DSGRN">https://github.com/marciogameiro/DSGRN</a> (2021)</li><li>. Dsgm_Net_Gen Available from: <a target="_blank" href="https://github.com/breecummins/dsgrn_net_gen">https://github.com/breecummins/dsgrn_net_gen</a> (2021)</li><li>. Dsgrn_Net_Query Available from: <a target="_blank" href="https://github.com/breecummins/dsgrn_net_query">https://github.com/breecummins/dsgrn_net_query</a> (2021)</li><li>Orlando, D. 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=Global+control+of+cell-cycle+transcription+by+coupled+CDK+and+network+oscillators.">Global control of cell-cycle transcription by coupled CDK and network oscillators.</a> Nature. 453 (7197), 944-947 (2008).</li><li>Monteiro, P. 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=YEASTRACT+:+a+portal+for+cross-species+comparative+genomics+of+transcription+regulation+in+yeasts.">YEASTRACT+: a portal for cross-species comparative genomics of transcription regulation in yeasts.</a> Nucleic Acids Research. 48 (1), 642-649 (2020).</li><li>de Bruin, R. A. 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=Constraining+G1-specific+transcription+to+late+G1+phase:+The+MBF-associated+corepressor+Nrm1+acts+via+negative+feedback.">Constraining G1-specific transcription to late G1 phase: The MBF-associated corepressor Nrm1 acts via negative feedback.</a> Molecular Cell. 23 (4), 483-496 (2006).</li><li>Horak, C. 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=Complex+transcriptional+circuitry+at+the+G1/S+transition+in+Saccharomyces+cerevisiae.">Complex transcriptional circuitry at the G1/S transition in Saccharomyces cerevisiae.</a> Genes &amp; Development. 16 (23), 3017-3033 (2002).</li><li>Cherry, J. 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=Saccharomyces+genome+database:+The+genomics+resource+of+budding+yeast.">Saccharomyces genome database: The genomics resource of budding yeast.</a> Nucleic Acids Research. 40, 700-705 (2012).</li><li>Zhu, G., 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=Two+yeast+forkhead+genes+regulate+the+cell+cycle+and+pseudohyphal+growth.">Two yeast forkhead genes regulate the cell cycle and pseudohyphal growth.</a> Nature. 406 (6791), 90-94 (2000).</li><li>Loy, C. J., Lydall, D., Surana, U. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=NDD1,+a+high-dosage+suppressor+of+cdc28-1N,+is+essential+for+expression+of+a+subset+of+late-S-phase-specific+genes+in+saccharomyces+cerevisiae.">NDD1, a high-dosage suppressor of cdc28-1N, is essential for expression of a subset of late-S-phase-specific genes in saccharomyces cerevisiae.</a> Molecular and Cellular Biology. 19 (5), 3312-3327 (1999).</li><li>Cho, C. Y., Kelliher, C. M., Hasse, S. B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+cell-cycle+transcriptional+network+generates+and+transmits+a+pulse+of+transcription+once+each+cell+cycle.">The cell-cycle transcriptional network generates and transmits a pulse of transcription once each cell cycle.</a> Cell Cycle. 18 (4), 363-378 (2019).</li><li>Smith, L. 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=An+intrinsic+oscillator+drives+the+blood+stage+cycle+of+the+malaria+parasite+Plasmodium+falciparum.">An intrinsic oscillator drives the blood stage cycle of the malaria parasite Plasmodium falciparum.</a> Science. 368 (6492), 754-759 (2020).</li></ol>

GRN的推断是系统生物学中的一个重要挑战。IDP使用一系列工具从基因表达数据中生成模型GRN，这些工具以越来越复杂的方式利用数据。每个步骤都需要决定如何处理数据以及哪些元素（基因，功能相互作用）将传递给IDP的下一层。这些决定对国内流离失所者结果的影响并不那么明显。为了在这方面提供帮助，IDV 提供了 IDP 中 GRN 推理工具各个步骤的输出的有用交互式可视化。IDV简化并促进了评估?...

许多重要的生物过程，如细胞分化和环境反应，由基因调节网络（GRN）中相互作用的基因集控制。这些GRN产生激活和维持它们控制的表型所需的转录动力学，因此识别GRN的组分和拓扑结构是理解许多生物过程和功能的关键。GRN可以被建模为一组相互作用的基因和/或基因产物，这些基因和/或基因产物由一个网络描述，其节点是基因，其边缘描述了相互作用的方向和形式（例如，转录的激活/抑制，翻译后修饰等）。1.然后，相互作用可以表示为参数化的数学模型，描述调节基因对其靶标产生的影响2，3，4。GRN 模型的推理既需要推断交互网络的结构，也需要估计底层交互参数。已经开发了多种计算推理方法，用于摄取时间序列基因表达数据并输出GRN模型5。最近，开发了一种新的GRN推理方法，称为固有动力学管道（IDP），该方法利用时间序列基因表达数据来生成具有标记调节因子 - 靶标相互作用的GRN模型，这些模型能够产生与基因表达数据中观察到的动力学相匹配的动力学6。IDP是一套线性连接到管道中的工具，可以分为三个步骤：节点查找步骤，根据已知或怀疑与GRN7，8的功能相关的基因表达特征对基因进行排名，边缘发现步骤对成对调节关系进行排名8，9，以及一个网络查找步骤，该步骤生成能够生成观察到的动态的 GRN 模型10、11、12、13、14、15。
与大多数计算方法一样，IDP 需要一组用户指定的参数，这些参数指示如何分析输入数据，并且不同的参数集可以对同一数据产生不同的结果。例如，包括 IDP 在内的几种方法包含对数据应用某个阈值的参数，在特定方法的连续运行之间增加/减少此阈值可能会导致运行之间的结果不同（请参见补充说明 10：网络推理方法 5）。了解每个参数如何影响分析和后续结果对于实现对结果的高置信度非常重要。与大多数 GRN 推理方法不同，IDP 由多个计算工具组成，每个工具都有自己的一组参数，用户必须指定这些参数，并且每个工具都有自己的结果。虽然 IDP 提供了有关如何参数化每个工具的大量文档，但每个工具与上一步输出的相互依赖性使得在没有中间分析的情况下对整个管道进行参数化具有挑战性。例如，边缘和网络查找步骤中的论点可能由先前的生物学知识提供信息，因此将取决于数据集和/或生物体。要询问中间结果，需要对编程有基本的了解，并且需要深入了解IDP的所有结果文件及其内容。
固有动态可视化工具 （IDV） 是一个交互式可视化包，它在用户的浏览器窗口中运行，为 IDP 的用户提供了一种方法来评估其参数选择对 IDP 中任何步骤的结果的影响。IDV 导航由 IDP 生成的复杂目录结构，并为每个步骤收集必要的数据，并以直观和交互式的图形和表格呈现数据，供用户浏览。在浏览了这些交互式显示之后，用户可以从 IDP 步骤生成新数据，这些数据可以基于更明智的决策。然后，这些新数据可以立即用于 IDP 的下一个相应步骤。此外，浏览数据有助于确定是否应使用调整的参数重新运行 IDP 步骤。IDV可以增强IDP的使用，并使IDP的使用更加直观和平易近人，正如研究酵母细胞周期的核心振荡器GRN所证明的那样。以下协议包括来自完全参数化的 IDP 运行的 IDP 结果，以及在每个 IDP 步骤（即节点、边缘和网络查找）运行后合并 IDV 的方法。

<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always">
	<tbody>
		<tr>
			<td>Docker</td>
			<td></td>
			<td></td>
			<td>https://docs.docker.com/get-docker/</td>
		</tr>
		<tr>
			<td>Git</td>
			<td></td>
			<td></td>
			<td>https://git-scm.com/</td>
		</tr>
		<tr>
			<td>Inherent Dynamics Pipeline</td>
			<td></td>
			<td></td>
			<td>https://gitlab.com/biochron/inherent_dynamics_pipeline</td>
		</tr>
		<tr>
			<td>Inherent Dynamics Visualizer</td>
			<td></td>
			<td></td>
			<td>https://gitlab.com/bertfordley/inherent_dynamics_visualizer</td>
		</tr>
		<tr>
			<td>Miniconda</td>
			<td></td>
			<td></td>
			<td>https://docs.conda.io/en/latest/miniconda.html</td>
		</tr>
		<tr>
			<td>Pip</td>
			<td></td>
			<td></td>
			<td>https://pip.pypa.io/en/stable/</td>
		</tr>
	</tbody>
</table>

inherent dynamics visualizer, an interactive application for evaluating and visualizing outputs from a gene regulatory network inference pipeline

开发基因调控网络模型是系统生物学中的主要挑战。已经开发了几种计算工具和管道来应对这一挑战，包括新开发的固有动力学管道。固有动力学管道由几个以前发布的工具组成，这些工具协同工作并以线性方式连接，其中一个工具的输出随后用作下一个工具的输入。与大多数计算技术一样，固有动力学管道的每个步骤都要求用户对没有精确生物学定义的参数进行选择。这些选择可以极大地影响分析产生的基因调控网络模型。因此，在每一步可视化和探索各种参数选择的后果的能力有助于提高对选择和结果的信心。固有动态可视化工具是一个全面的可视化包，通过 Web 浏览器中的交互式界面简化了评估参数选择的过程。用户可以单独检查管道每个步骤的输出，根据视觉信息进行直观的更改，并从为固有动力学管道自动生成必要的输入文件中受益。固有动力学可视化工具为从时间序列转录组学数据中发现基因调控网络提供了无与伦比的访问水平， 以访问高度复杂的工具。

将上述文本描述的步骤和 图1 中以图形方式描述的步骤应用于酵母细胞周期的核心振荡GRN，以查看是否有可能发现能够产生在酵母细胞周期研究中收集的时间序列基因表达数据中观察到的动力学的功能性GRN模型16。为了说明IDV如何澄清和改善IDP输出，在以两种方式执行此分析后，对结果进行了比较：1）在没有IDV的情况下一次性运行IDP的所有步骤，以及2）借...

Watch this Scientific Journal Video about Inherent Dynamics Visualizer, an Interactive Application for Evaluating and Visualizing Outputs from a Gene Regulatory Network Inference Pipeline at JoVE.com

Inherent Dynamics Visualizer, an Interactive Application for Evaluating and Visualizing Outputs from a Gene Regulatory Network Inference Pipeline

固有动力学可视化工具是一个交互式可视化包，可连接到基因调控网络推理工具，以增强、简化功能网络模型的生成。可视化工具可用于为推理工具的参数化做出更明智的决策，从而提高对结果模型的信心。

固有动力学可视化工具，一种交互式应用程序，用于评估和可视化基因调控网络推理管道的输出

Developing gene regulatory network models is a major challenge in systems biology. Several computational tools and pipelines have been developed to tackle ...

固有动力学可视化工具使研究人员更容易使用多种推理方法并理解其结果，从而加速功能网络模型的生成。固有动态可视化工具的主要优点是可视化和探索中间结果，以便为下游步骤的参数和输入文件内容提供信息。固有动力学可视化工具有助于探索和理解来自多个推理工具的结果。但是，我们建议参考每个工具的文档，以更好地了解参数选择如何影响结果。在参数化节点查找步骤的新 IDP 配置文件中，在各个行上键入数据文件等于、注释文件等于、输出文件等于、进程数等于和 IDV 连接等于 true。在数据文件的等号后，键入相应时序文件的路径和名称，并在名称后加上逗号。对于注释文件，键入注释文件的路径和名称。对于输出文件，键入结果文件夹的路径和名称。对于编号进程，键入 IDP 应使用的进程数。在主参数之后的同一文本文件中，按顺序键入 DLxJTK 参数，在方括号中，句点等于和 DLxJTK 截止值等于在各个行上。对于句点，如果使用一个时序数据集，请键入每个句点长度，并在等号后用逗号分隔。对于多个时间序列数据集，请像以前一样键入每组周期长度，但在每个集合周围放置方括号，并在集合之间放置逗号。对于 DLxJTK 截止值，在等号之后，键入一个整数，指定 JTK-CYCLE 在 De Lichtenburg 输出的基因列表文件中要保留的最大基因数。接下来，使用创建的配置文件运行 IDP，方法是在终端中运行具有相应文件名的指示命令。在终端中，移动到名为"固有动态可视化工具"的目录，然后输入指示的命令。然后在 Web 浏览器中，输入显示的 URL。接下来，单击节点查找选项卡，然后从下拉菜单中选择感兴趣的节点查找文件夹。要扩展或缩短基因列表表，请单击向上或向下箭头，或在DLxJTK排名基因的基因表达旁边的框中手动输入一个介于1和50之间的整数。在基因列表表中，单击基因旁边的框以查看其基因表达谱和折线图。可以添加多个基因。然后，通过单击下载基因列表按钮，将基因列表下载为边缘查找步骤所需的文件格式。在可编辑的基因注释表中，将基因标记为靶标、调节因子或两者。如果基因是调节因子，则将基因标记为激活剂、抑制因子或两者兼而有之。最后，单击下载注释文件按钮，将注释文件下载为边缘查找步骤所需的文件格式。在参数化边缘查找步骤的新 IDP 配置文件中，对于基因列表文件，请在等号后输入生成的基因列表文件的路径和名称。对于边缘评分列，输入 PLD 或范数损失，以指定使用 LEM py 输出中的哪个数据帧列来过滤边缘。接下来，为列表选择边缘分数阈值或数个边缘，然后删除另一个边缘。如果选择了边缘分数阈值，请输入一个介于 0 和 1 之间的数字。如果选择了列表的数条边，请输入一个等于或小于可能边数的值。然后为种子选择种子阈值或数字边，并删除另一个。如果选择了种子阈值，请输入一个介于 0 和 1 之间的数字。如果选择了种子的数边数，请输入一个等于或小于可能边数的值。接下来，使用创建的配置文件运行 IDP，如前所述。通过单击每个边旁边的相应复选框来选择或取消选择边缘表中的边缘，以在种子网络中添加或删除边缘。然后单击下载 DSGRN 网络规范按钮，以 DSGRN 网络规范格式下载种子网络。通过单击边缘表中相应的复选框选择要包含在网络查找中使用的边缘列表文件中的边缘后，单击下载节点和边缘列表以在网络查找中使用所需的格式下载节点列表和边缘列表文件。在参数化网络查找步骤的新 IDP 配置文件中，对于种子网络文件、边缘列表文件和节点列表文件，输入种子网络文件以及边缘和节点列表文件的路径和名称。对于范围操作，键入两个数字，在等号后用逗号分隔。第一个和第二个数字分别是每个网络添加或删除节点或边缘的最小和最大数量。对于 num 个邻居，输入一个数字，该数字表示要在网络查找中查找的网络数。对于最大参数，输入一个数字，该数字表示允许网络的最大 DSGRN 参数数。对于添加节点，请添加边、删除节点和删除边，请在等号后输入介于 0 和 1 之间的值。数字之和必须为1。然后使用创建的配置文件运行 IDP，如前所述。要生成边缘流行度表，请使用以下两个选项选择网络。对于选项 1，通过在与图的 x 轴和 y 轴对应的输入框中输入最小值和最大值，输入查询结果的下限和上限。对于选项 2，单击并在散点图上拖动以在要包含的网络周围绘制一个框。选择或输入输入边界后，单击从所选网络获取边缘流行度按钮。接下来，在网络索引输入框中输入一个整数，以显示所选内容中的单个网络。然后单击下载 DSGRN 网络规范，以 DSGRN 网络规范格式下载显示网络。使用与每个边对应的复选框，选择要包括在用于相似性分析的网络或图案中的边。然后单击提交，为所选主题或网络创建相似性散点图。要选择一个网络或一组网络，请单击并拖动散点图。在要包含的网络周围绘制一个框，以生成边缘流行率表并查看网络以及相应的查询结果。通过单击下载表下载边缘流行度表。然后，点击下载 DSGRN 网络规格进行相似性分析，如前面所示，下载显示网络进行相似性分析。该方案应用于酵母细胞周期的核心振荡器基因调控网络。此处显示了在步骤之间连续运行 IDP 的每个步骤而不使用 IDV 的结果。IDP 的这种完全参数化的运行产生了节点和边缘查找的结果。然而，在网络查找中，没有发现可接受的模型网络。然后从酵母菌基因组数据库中选择一组已知的酵母细胞周期调节剂，并从酵母中提取已知的基因之间的调节关系。扩展基因列表表以查找基因调控网络模型中的剩余基因，并取消选择基因以删除同一模型中未找到的基因。使用新的基因列表和注释文件为边缘查找步骤参数化了新的IDP配置文件，并将结果加载到IDV中。没有实验证据的边缘从种子网络中被移除。在实验证据充分支持下，在创建种子网络后，在网络查找步骤中发现了37个模型可接受网络，其中24个可以稳定振荡。在这24个网络中，表现最好的是两个网络，它们在稳定振荡模型参数的50%处与数据匹配。当添加在网络生成期间移除边缘的能力时，发现了612个网络，其中67%的网络具有稳定振荡的能力。有趣的是，82个能够稳定振荡动力学的网络无法产生类似于数据中看到的动态。在411个网络中，有124个网络表现出与数据的可靠匹配。DSGRN不知道生物学上可行的参数空间，但是在节点和边缘查找中结合生物信息有助于将网络查找限制在所有网络空间中的生物合理区域。可以使用边缘查找步骤中的参数对网络执行ODE建模，以进一步测试计算机网络的功能。

Research

JoVE Journal

Biology

Regulatory T cells: Therapeutic Potential for Treating Transplant Rejection and Type I Diabetes

调节性T细胞治疗移植排斥反应和I型糖尿病的治疗潜力

科研

生物学

Using an Automated Cell Counter to Simplify Gene Expression Studies: siRNA Knockdown of IL-4 Dependent Gene Expression in Namalwa Cells

使用自动细胞计数器简化基因表达研究：在Namalwa细胞的IL - 4依赖的基因表达的siRNA击倒

The use of siRNA mediated gene knockdown is continuing to be an important tool in studies of gene expression.  siRNA studies are being conducted not only ...

Quantitative Comparison of cis-Regulatory Element (CRE) Activities in Transgenic Drosophila melanogaster

Quantitative Comparison of cis-Regulatory Element CRE Activities in Transgenic Drosophila melanogaster

定量比较顺调节元件（CRE）的活动，在转基因果蝇</em

Gene expression patterns are specified by cis-regulatory element (CRE) sequences, which are also called enhancers or cis-regulatory modules. A typical CRE ...

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

作为一种工具来隔离核糖体的束缚多肽SECM逮捕序列

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

Selective Capture of 5-hydroxymethylcytosine from Genomic DNA

从基因组DNA选择性捕获的5  - 羟甲基

5-methylcytosine (5-mC) constitutes ~2-8% of the total cytosines in human genomic DNA and impacts a broad range of biological functions, including gene ...

A Fast and Reliable Pipeline for Bacterial Transcriptome Analysis Case study: Serine-dependent Gene Regulation in Streptococcus pneumoniae

A Fast and Reliable Pipeline for Bacterial Transcriptome Analysis Case study: Serine-dependent Gene Regulation in Streptococcus pneumoniae

在丝氨酸依赖的基因调控：一个快速和可靠的管道细菌转录组分析案例研究<em&gt;肺炎链球菌</em

Gene expression and its regulation are very important to understand the behavior of cells under different conditions. Various techniques are used nowadays ...

Visualizing Stromule Frequency with Fluorescence Microscopy

可视化Stromule频率与荧光显微镜

Stromules, or "stroma-filled tubules", are narrow, tubular extensions from the surface of the chloroplast that are universally observed in plant cells but ...

A Simple Method for Isolation of Soybean Protoplasts and Application to Transient Gene Expression Analyses

大豆原生质体分离的简易方法及其在瞬态基因表达分析中的应用

Soybean (Glycine max (L.) Merr.) is an important crop species and has become a legume model for the studies of genetic and biochemical pathways. ...

Photodiode-Based Optical Imaging for Recording Network Dynamics with Single-Neuron Resolution in Non-Transgenic Invertebrates

基于光二极管的光学成像，用于记录非转基因无脊椎动物的单神经元分辨率的网络动态

The development of transgenic invertebrate preparations in which the activity of specifiable sets of neurons can be recorded and manipulated with light ...

A Bioinformatics Pipeline for Investigating Molecular Evolution and Gene Expression using RNA-seq

使用RNA-seq研究分子进化和基因表达的生物信息学管道

Distilling and reporting large datasets, such as whole genome or transcriptome data, is often a daunting task. One way to break down results is to focus ...