Տեղեկատվություն

Պրոտեոմիկայի տվյալներ ընդդեմ տառադարձության տվյալների?


Ես ուզում եմ օգտագործել Proteomics կամ Transcriptomics տվյալները՝ դրանք իմ կինետիկ մոդելում ինտեգրելու համար: Շարունակելուց առաջ ես ուզում եմ իմանալ, թե որն է դրանցից որևէ մեկի առավելությունը, որպեսզի կարողանամ դրա մասին տեղեկացված որոշում կայացնել:

Շատ ուսումնասիրություններ ցույց են տվել, որ ամենալավը, որ մենք կարող ենք անել, մեր կինետիկ մոդելի հետ ինտեգրումն է և՛ տրանսկրիպտոմիկայի, և՛ պրոտեոմիկայի տվյալների, բայց ես որոշ ժամանակային սահմանափակումներ ունեմ և պետք է շարունակեմ դրանցից միայն մեկը:

Իմ ջանքերն ու բացահայտումները. Հետազոտողների հետ քննարկումներից ես պարզել եմ, որ տրանսկրիպտոմիկայի տվյալների հավաքումն ունի ուժեղացման քայլ, որը մեծացնում է կոնկրետ մեկը գտնելու հնարավորությունը, մինչդեռ պրոտեոմիկայի տվյալների հավաքումը նման քայլ չունի, այլ ունի մասնատում և այնուհետև նորից միանալը, որը ստեղծում է բազմաթիվ խնդիրներ (օրինակ՝ միացման տարբերակները և այլն) և այդպիսով հանգեցնում է տվյալների կորստի: Բայց PostDoc- ն ինձ ասաց, որ նույնիսկ այդ տվյալների կորստից հետո ես ավելի շատ տեղեկատվություն կստանամ Proteomics- ի տվյալներից:

Ես ուզում եմ իմանալ նման տիպի միավորներ և ուզում եմ իմանալ ՝ դրանք վավեր են, թե ոչ:


Սա այն է, ինչ ես գտա որոշ հետազոտություններ կատարելուց: Մեկնաբանությունները ողջունելի են ցանկացած պահի:

  • Տվյալների հավաքման համար գրավել տոկոսը.

    • Transcriptomics Data. Transcriptomics տվյալների հավաքման մեթոդներում կա ուժեղացման քայլ: Հետևաբար, հնարավոր է գրավել Տրանսկրիպտոմի գրեթե ամբողջությունը՝ օգտագործելով այդ մեթոդները (scRNA seq մեթոդներ, Nanopore տեխնոլոգիա, Տարածական տրանսկրիպտոմիկա և այլն)

    • Proteomics Data. Proteomics տվյալների հավաքման մեթոդներում չկա ուժեղացման քայլ: Այդ մեթոդներն ունեն մասնատվածություն և նորից միանալու քայլ, ինչը հանգեցնում է տվյալների կորստի:

  • Մեթոդների լայնածավալություն.

    • Տրանսկրիպտոմիկայի տվյալներ. Մատչելի են լայնածավալ մեթոդներ

    • Proteomics-ի տվյալներ. Սպիտակուցների ուսումնասիրությունների ավելի քիչ մասշտաբային մեթոդներ

  • Տեղեկանքների առկայություն.

    • Տրանսկրիպտոմիկայի տվյալներ. Լիովին ծանոթագրված հղումներ հասանելի են կոնսորցիումներում, ինչպիսիք են ensembl biomart-ը և այլն:

    • Proteomics Data. Մարդկային Proteome-ի համընդհանուր և համապարփակ հղումը դեռևս հարցականի տակ է, և թերի և ոչ ճշգրիտ հղումների պատճառով նոր ստեղծված տվյալների մեծ մասը դառնում է անօգուտ:

  • Միատեսակություն

    • Transcriptomics Data: Խողովակաշարերի վերաբերյալ բազմաթիվ հրապարակումներ և դրանց չափանիշների առկայությունը

    • Պրոտեոմիկայի տվյալներ. Լաբորատորիաների/հետազոտական ​​խմբերի միատեսակության բացակայությունը և համապատասխան գրականության բացակայությունը հանգեցնում են սպիտակուցների մասնատման և լուծարման տարբերությունների և վերլուծություններ կատարելու ալգորիթմների տարբերությունների:

  • Տեխնիկական կողմնակալություն

    • Տրանսպրակտոմիկայի տվյալներ. Բջջի կողմնակալության, տվյալների աղմուկի և խմբաքանակի էֆեկտների հաղթահարման բազմաթիվ մեթոդներ ՝ առավելագույն կենսաբանական փոփոխականությունը գրավելու համար

    • Պրոտեոմիկայի տվյալներ. Բջջային զանգվածային սպեկտրոմետրիան կողմնակալություն ունի այլ փորձերից ավելի բարձր կոնցենտրացիաներով կամ աղտոտվածությամբ պեպտիդների նույնականացման նկատմամբ:


Հավերի կոլումբիական փետուրի գույնը կարգավորող պոտենցիալ գեների տրանսկրիպտոմիկայի և պրոտեոմիկայի կանխատեսման վերլուծություն

Առևտրային անասնաբուժության և անասնաբուժության բժշկության քոլեջ, Հենան գյուղատնտեսական համալսարան, Չժենչժոու, Հենան, Չինաստան, Կենդանիների գիտության և տեխնիկայի քոլեջ, Հենանի անասնաբուծության և տնտեսության համալսարան, Չժենչժոու, Հենան, Չինաստան

Այս աշխատանքին հավասարապես նպաստել են ՝ Xinlei Wang- ը, Donghua Li- ն

Դերերի հայեցակարգավորում, մեթոդաբանություն, ռեսուրսներ, ծրագրակազմ

Կենդանիների գիտության և անասնաբուժության բժշկության քոլեջ, Հենան գյուղատնտեսական համալսարան, Չժենչժոու, Հենան, Չինաստան

Դերերի հայեցակարգավորում, ֆինանսավորման ձեռքբերում, ռեսուրսներ, ծրագրակազմ

Անասնաբուծության գիտության և տեխնոլոգիաների քոլեջ, Հենանի անասնաբուծության և տնտեսության համալսարան, Չժենչժոու, Հենան, Չինաստան

Դերերի հայեցակարգում, տվյալների մշակում, ծրագրային ապահովում

Կենդանիների գիտության և անասնաբուժության բժշկության քոլեջ, Հենան գյուղատնտեսական համալսարան, Չժենչժոու, Հենան, Չինաստան

Դերերի հայեցակարգավորում, տվյալների մշակում, մեթոդաբանություն, ծրագրակազմ

Կենդանական գիտության և անասնաբուժական բժշկության քոլեջ, Հենանի գյուղատնտեսական համալսարան, Չժենչժոու, Հենան, Չինաստան

Դերերի ծրագրային ապահովում, վավերացում

Կենդանական գիտության և անասնաբուժական բժշկության քոլեջ, Հենանի գյուղատնտեսական համալսարան, Չժենչժոու, Հենան, Չինաստան

Դերերի հայեցակարգավորում, ծրագրակազմ, վավերացում

Կենդանիների գիտության և անասնաբուժության բժշկության քոլեջ, Հենան գյուղատնտեսական համալսարան, Չժենչժոու, Հենան, Չինաստան

Դերերի ծրագրակազմ, վավերացում

Կենդանիների գիտության և անասնաբուժության բժշկության քոլեջ, Հենան գյուղատնտեսական համալսարան, Չժենչժոու, Հենան, Չինաստան

Դերերի ծրագրակազմ, վավերացում

Կենդանիների գիտության և անասնաբուժության բժշկության քոլեջ, Հենան գյուղատնտեսական համալսարան, Չժենչժոու, Հենան, Չինաստան

Դերերի ծրագրային ապահովում, վավերացում

Կենդանիների գիտության և անասնաբուժության բժշկության քոլեջ, Հենան գյուղատնտեսական համալսարան, Չժենչժոու, Հենան, Չինաստան

Դերերի հայեցակարգավորում, տվյալների մշակում, մեթոդաբանություն

Կենդանիների գիտության և անասնաբուժության բժշկության քոլեջ, Հենան գյուղատնտեսական համալսարան, Չժենչժոու, Հենան, Չինաստան

Դերերի հայեցակարգավորում, մեթոդաբանություն, ծրագրակազմ

Կենդանական գիտության և անասնաբուժական բժշկության քոլեջ, Հենանի գյուղատնտեսական համալսարան, Չժենչժոու, Հենան, Չինաստան

Դերերի հայեցակարգավորում, տվյալների մշակում, մեթոդաբանություն

Կենդանական գիտության և անասնաբուժական բժշկության քոլեջ, Հենանի գյուղատնտեսական համալսարան, Չժենչժոու, Հենան, Չինաստան

Դերերի հայեցակարգում, տվյալների մշակում, հետազոտություն, ծրագրի կառավարում

Կենդանական գիտության և անասնաբուժական բժշկության քոլեջ, Հենանի գյուղատնտեսական համալսարան, Չժենչժոու, Հենան, Չինաստան

Դերերի հայեցակարգավորում, տվյալների մշակում, հետաքննություն, մեթոդաբանություն

Կենդանիների գիտության և անասնաբուժության բժշկության քոլեջ, Հենան գյուղատնտեսական համալսարան, Չժենչժոու, Հենան, Չինաստան

Դերերի հայեցակարգում, ֆորմալ վերլուծություն, ռեսուրսներ, վերահսկողություն

Կենդանիների գիտության և անասնաբուժության բժշկության քոլեջ, Հենան գյուղատնտեսական համալսարան, Չժենչժոու, Հենան, Չինաստան

Դերերի հայեցակարգում, տվյալների մշակում, պաշտոնական վերլուծություն, հետազոտություն, մեթոդաբանություն, ռեսուրսներ, ծրագրակազմ, վավերացում, գրավորում – վերանայում և խմբագրում

Կենդանիների գիտության և անասնաբուժության բժշկության քոլեջ, Հենան գյուղատնտեսական համալսարան, Չժենչժոու, Հենան, Չինաստան

Դերերի հայեցակարգավորում, տվյալների մշակում, ձևական վերլուծություն, ֆինանսավորման ձեռքբերում, հետաքննություն, մեթոդաբանություն, ռեսուրսներ, վերահսկողություն, գրություն - վերանայում և խմբագրում

Կենդանիների գիտության և անասնաբուժության բժշկության քոլեջ, Հենան գյուղատնտեսական համալսարան, Չժենչժոու, Հենան, Չինաստան


Ներածություն

Մարդու պրոտեոմի գլոբալ դասակարգումը `կապված նրա տարածական -ժամանակային արտահայտման ձևերի և գործառույթների հետ, ներկայացնում է մարդու կենսաբանությունն ու հիվանդությունները ուսումնասիրելու հիմնական մարտահրավերներից մեկը (Լամոնդ et al, 2012): Վերջերս գենոմային, տրանսկրիպոտոմային և պրոտեոմային տեխնոլոգիաներ են կիրառվել ՝ մարդկային պրոտեոմը գենոմի մակարդակով վերլուծելու համար: Գենոմի անոտացիայի ջանքերը, ինչպիսիք են Ensembl-ը (Cunningham et al, 2015 ) և Gencode կոնսորցիումը (Harrow et al, 2012) Encode նախագծում (Նիլսոն et al, 2015), հայտնաբերել են մոտավորապես 20,000 գեն, որոնք ծածկագրում են սպիտակուցները, և UniProt կոնսորցիումը (UniProt, 2015) ձեռքով մեկնաբանել է այդ գեների մեծամասնությունը: Տրանսկրիպտի մակարդակով, մարդու գեների արտահայտման մակարդակները մշտադիտարկվել են՝ ուսումնասիրելու հիվանդությունների, բուժման և զարգացման փուլերի ազդեցությունները՝ օգտագործելով միկրոզանգվածի վրա հիմնված գեների արտահայտման պրոֆիլավորում (Brawand et al, 2011 Petryszak et al, 2015): Վերջերս մի քանի ջանքեր են հրապարակվել ՌՆԹ-ի մակարդակների քանակական վերլուծության հետ `հիմնվելով հաջորդ սերնդի հաջորդականության վրա` մարդու մարմնի հիմնական օրգաններն ու հյուսվածքները ներկայացնող նմուշներում (Նկար 1), ներառյալ Ֆանտոմ կոնսորցիումը (Յու et al, 2015), Human Protein Atlas (HPA) կոնսորցիումը (Uhlen et al, 2015), և գենոմի վրա հիմնված հյուսվածքների արտահայտման (GTEx) կոնսորցիումը (Keen & Moore, 2015): Սպիտակուցների մակարդակով հրապարակվել են նաև զանգվածային սպեկտրոմետրիայի վերլուծության վրա հիմնված մի քանի մասշտաբային ուսումնասիրություններ (Քիմ et al, 2014 Վիլհելմ et al, 2014), և այդ ուսումնասիրությունները լրացվել են հակամարմինների վրա հիմնված սպիտակուցների պրոֆիլավորմամբ `օգտագործելով հյուսվածքների միկրոկառուցվածքներ, որոնք պարունակում են մարդու մարմնի հիմնական հյուսվածքներն ու օրգանները ներկայացնող նմուշներ (Ֆագերբերգ et al, 2014 Ուլեն et al, 2015): Սպիտակուցը ծածկագրող գեների արտահայտման վերաբերյալ քանակական տվյալների մեծ մասը հիմնված է վերջին transcriptomics ուսումնասիրությունների վրա, որոնք հիմնված են RNA-seq- ի վրա: Այստեղ մենք վերանայում ենք հրապարակայնորեն հասանելի մարդկային սղագրության որոշ ռեսուրսներ և քննարկում անկախ հետազոտական ​​խմբերի հյուսվածքների տվյալները:

Գծապատկեր 1. Մարդու հյուսվածքների և օրգանների գլոբալ տրանսկրիպտոմիկ վերլուծություն

Omics տեխնոլոգիաների ինտեգրման հետաքրքիր կողմը նմուշառումն է, որը կախված է յուրաքանչյուր տեխնոլոգիայի զգայունությունից և լուծումից: Հետևաբար, հյուսվածքների նմուշների վերլուծությունը սովորաբար կատարվում է բջիջների տեսակների խառնուրդի վրա `օգտագործելով տրանսկրիպտոմիկա և զանգվածային սպեկտրոմետրիայի վրա հիմնված պրոտեոմիկա, մինչդեռ տեղում հիբրիդացման մեթոդներ, որոնք հաջողությամբ կիրառվել են ուղեղում տառադարձումների բաշխման քարտեզագրման համար (Hawrylycz et al, 2012), և հակամարմինների վրա հիմնված պրոֆիլավորման հետ կապված ավելի որակական մոտեցումները թույլ են տալիս վերլուծել առանձին բջիջները իրենց բնական միջավայրում՝ բացահայտելու հարևան բջիջների միջև սպիտակուցի արտահայտման մակարդակների տարբերությունները: Այսպիսով, հակամարմինների վրա հիմնված սպիտակուցային պրոֆիլավորումը լրացնում է քանակական տրանսկրիպտոմիկան և պրոտեոմիկան՝ հիմնված բջիջների տեսակների խառնուրդի վրա՝ բարդ հյուսվածքներում գենային էքսպրեսիայի վերլուծության մեջ միաբջիջ լուծում ստանալու համար: Վերջերս միաբջիջ տեխնոլոգիաներ են մշակվել տրանսկրիպտոմիկայի համար (Տանգ et al, 2009), բայց շատ հյուսվածքների գլոբալ վերլուծություն դեռ չի հրապարակվել նման մեթոդաբանությամբ: Մոտ ապագայում տրանսկրիպտոմիկայի և պրոտեոմիկայի համար հյուսվածքների միաբջիջ անալիզներին անցնելու հնարավորությունը թույլ կտա վերլուծել բջիջ-բջիջ փոփոխականությունը, ինչը հատկապես հետաքրքիր է, այսինքն՝ քաղցկեղի համատեքստում: Ավելին, լյումինեսցենտային զոնդերի օգտագործմամբ իմունահիստոքիմիայի ավելի քանակական անալիզների մշակումը արժեքավոր կլինի ամբողջ բջիջների մոդելավորման քանակական տվյալների տրամադրման համար (Շտադլեր et al, 2013 ).

mRNA մակարդակների և համապատասխան սպիտակուցի մակարդակների միջև հարաբերակցությունը կարևոր խնդիր է տարբեր omics-ի վրա հիմնված տեխնոլոգիաների համադրելիության համար, և առանձին գենի/սպիտակուցի մակարդակի վրա նման հարաբերակցության առկայությունը կամ բացակայությունը երկար տարիներ քննարկվել է գրականության մեջ ( Անդերսոն և ilեյլհամեր, 1997 թ et al, 2004 թ et al, 2009 Մայեր et al, 2009, 2011 Լունդբերգ et al, 2010 Շվանհաուսեր et al, 2011): Այնուամենայնիվ, մարդկային բջջային գծերում mRNA-ի և սպիտակուցների կայուն մակարդակների համեմատությունը՝ օգտագործելով RNA-seq և քանակական եռակի-SILAC վերլուծությունը, ցույց տվեց լավ հարաբերակցություններ ամբողջ գենոմում, երբ առանձին գենի mRNA և սպիտակուցի մակարդակները համեմատվեցին երեք առանձին բջջային գծերում: (Լունդբերգ et al, 2010): Այս դիտարկումները հաստատվեցին Կաստերի և գործընկերների կողմից (Վիլհելմ et al, 2014) տարբեր հյուսվածքների զանգվածային սպեկտրոմետրիայի տվյալների համեմատում HNA կոնսորցիումից ստացված RNA-seq տվյալների հետ (Uhlen et al, 2015): Կրկին, առանձին գեների կայուն վիճակի մակարդակները փոխկապակցված են մի քանի հյուսվածքներում: Ընդհանուր առմամբ, այս ուսումնասիրությունները ցույց են տալիս, որ տվյալ սպիտակուցի քանակությունը բջջում կամ հյուսվածքում, ընդհանուր առմամբ, արտացոլվում է համապատասխան mRNA մակարդակով, թեև այս գենի/սպիտակուց հատուկ հարաբերակցությունը կարող է մեծապես տարբերվել տարբեր գենային արտադրանքների միջև՝ կախված տարբեր գործոններից: հիմնականում թարգմանչական դրույքաչափերը և սպիտակուցների կես կյանքը (Եդեմ et al, 2011), և տվյալ գենի սղագրման մակարդակը, հետևաբար, կարող է օգտագործվել սպիտակուցի համապատասխան մակարդակը կանխատեսելու համար: Այս վարկածը պետք է հաստատվի ավելի խորը ուսումնասիրություններով `օգտագործելով քանակական չափումներ ինչպես ՌՆԹ-ի, այնպես էլ սպիտակուցի մակարդակներում: Այնուամենայնիվ, այն ենթադրում է, որ հաջորդ սերնդի սղագրման հաջորդականությունը հզոր գործիք է սպիտակուցների արտահայտման մակարդակի անուղղակի չափումների համար, դրանով իսկ գրավիչ կապ ստեղծելով գենոմիկայի և պրոտեոմիկայի ոլորտի միջև:


MS- ի վրա հիմնված պրոտեոմիկա ընդդեմ այլ “omics ”:

Դուք կարող եք հարցնել ՝ ինչու՞ MS- ի վրա հիմնված պրոտեոմիկա և ոչ թե գենոմիկա, տրանսկրիպտոմիկա կամ վեստերեն բլոտներ: Հարցը նման է Ֆորմուլա 1-ի մրցավազքին, որտեղ ներկայացված է տրակտոր ընդդեմ Ferrari-ի:

Կենսաբանության մեր ընկալման մեջ մեծ առաջընթաց եղավ 2003 թ.-ին մարդու գենոմի հրատարակումը: Այդ ժամանակվանից հաջորդականացման տեխնոլոգիան բարելավվել է այնպես, որ այժմ հնարավոր է գենոմը հաջորդականացնել 1-2 օրում ՝ 4000 դոլարից ցածր գնով: Մեր գեները ծառայում են որպես կաղապարներ ՌՆԹ մոլեկուլների համար, որոնցից յուրաքանչյուրը տալիս է որոշակի սպիտակուցի պատրաստման հրահանգ: Սպիտակուցներն իրենց հերթին պետք է դինամիկորեն արտահայտվեն `կյանքի զարգացման և բնապահպանական պահանջներին համապատասխանելու համար: Մինչև վերջերս այս դինամիզմի մեր ըմբռնումը հիմնականում սահմանափակվում էր ԴՆԹ/ՌՆԹ նույնականացմամբ:

Եթե ​​վերցնենք թրթուրի և թիթեռի օրինակը, ապա նրանք կրում են նույն գենոմը, բայց ակնհայտորեն տարբեր են։ Գենոմիկան թույլ է տալիս կանխատեսել այն սպիտակուցները, որոնք կարող են արտադրվել, բայց մենք հստակ չգիտենք, թե որտեղ, երբ կամ ինչ մակարդակում են դրանք առաջանում: Genomics-ը չի անդրադառնում այն ​​սպիտակուցներին, որոնք այլընտրանքային կերպով միացված կամ փոփոխված են հետթարգմանական մակարդակում, որոնք պատասխանատու են էուկարիոտների կյանքի բարդության համար:

Զանգվածային սպեկտրոմետրիայի վրա հիմնված պրոտեոմիկան միակ հասանելի տեխնոլոգիան է, որը կարող է ապահովել պրոտեոմի անաչառ, համապարփակ պատկերացում: Հաջորդ սերնդի բազմաչափ պրոտեոմիկան կարող է բացահայտել բջջի սպիտակուցների լրացումը` դրանց գտնվելու վայրը, առատությունը, շրջանառությունը, իզոֆորմները և փոփոխությունները, որոնք առաջացնում են բարդ կյանք: Շատերի համար պրոտեոմիկան մեզ տալիս է պրոտեոմայի պատկերը, սակայն այստեղ Platinum Discovery- ում մենք առաջարկում ենք բազմաթիվ տեսանկարահանումներ տարբեր տեսանկյուններից, որոնք կարող են ավելի լավ պատկերացում կազմել հետազոտվող կենսաբանական համակարգի մասին:

Մեր փորձագետներն այստեղ ունեն կենսաբանության համապարփակ պատկերացում և զբաղվում են ինտենսիվ հետազոտություններով և ուշադրության կենտրոնում գտնվող կենսաբանական հարցի քննարկմամբ: Մեր հաճախորդների հետ երկխոսությունը ներառում է տարբեր փորձարարական նախագծերի և տեխնոլոգիաների առավելություններն ու թերությունները: Անխուսափելիորեն լայնածավալ պրոտեոմիական ուսումնասիրությունների դեպքում դժվար է հետևել բոլոր մետա-տվյալների, տվյալների և արդյունքների վրա, որոնք գեներացվում են: Մեր լուծումը՝ Platinum Desimal-ը, օգտագործում է մեր սեփական ծրագրային էկոհամակարգը՝ ձեր ընտրած կենսաբանական համակարգի վերաբերյալ հակիրճ պատկերացումներ հաղորդելու համար:


Երախտագիտություն

Է.Լ. ընդունում է Կնուտ և Ալիս Վալլենբերգ հիմնադրամի (KAW 2016.0204), Շվեդիայի հետազոտական ​​խորհրդի (2017-05327) և Չան uckուկերբերգի նախաձեռնության (173965 (5022)) ֆինանսավորումը: Գ.Հ.Հ.Բ. ֆինանսավորում է ստացել Գերմանական հետազոտական ​​հիմնադրամից (DFG/Gottfried Wilhelm Leibniz Prize MA 1764/2-1) և Մաքս Պլանկի գիտության զարգացման ընկերությունից:

Գրախոսական տեղեկատվություն

Բնության ակնարկներ Մոլեկուլային բջիջների կենսաբանություն շնորհակալություն Գ. Բրաունին և այլ անանուն գրախոսների (ներ) ին, այս աշխատանքի հավակնորդների գնահատման գործում ունեցած ներդրման համար:


Քննարկում

Չնայած նրան, որ տրանսկրիպտոմիկ և պրոտեոմային պրոֆիլների համեմատությունը կատարվել է մի քանի քաղցկեղի դեպքում, այս ուսումնասիրությունը առաջիններից է, որ մենք տեղյակ ենք, որ համեմատում ենք transcriptome և proteome տվյալները GB- ների նույն խմբում: Հայդերը և Փալը [21] վերանայեցին տրանսկրիպտոմի և պրոտեոմի տվյալների համատեղ վերլուծության առկա հիմնական մոտեցումները: Ինչպես առաջարկվում է այս վերանայմամբ, մենք ուղղակիորեն համեմատեցինք ապակարգավորված սպիտակուցներն ու mRNA-ները, այնուհետև համեմատեցինք այս տրանսկրիպտոմների և պրոտեոմների տվյալների հավաքածուներում հայտնաբերված ֆունկցիոնալ գործընթացներն ու կարգավորիչները:

Տրանսպրիտոմի և պրոտեոմի տվյալների մեջ կան մի քանի ընդհանուր հատկանիշներ. Դրանք երկու mRNA/սպիտակուցների (NEFL և SYN1) ապամոնտաժումն են և 12 կենսաբանական գործընթացները `կապված բջջային հաղորդակցության, սինապտիկ փոխանցման և նյարդային համակարգի գործընթացների հետ: Այս բացահայտումները համահունչ են նախորդ զեկույցներին [11, 16, 38]: Ոչ մի կենսաբանական գործընթաց, որը կապված է ուռուցքի առաջացման հետ, օրինակ՝ բջջային ցիկլի կարգավորումը, բջիջների նյութափոխանակությունը կամ բջջային շարժունակությունը, չեն հայտնաբերվել ինչպես տրանսկրիպտոմի, այնպես էլ պրոտեոմի վերլուծության մեջ, որոնք փոփոխված են ԳԲ-ում: Որոշ նման գործընթացներ հայտնաբերվել են մեկ տվյալների բազայում՝ փոփոխված ԳԲ-ով, օրինակ՝ դ-գլուտամինի նյութափոխանակությունը տրանսկրիպտոմում և գլիկոլիզ/գլյուկոնեոգենեզ՝ պրոտեոմում [39, 40]: Մենք դիտարկել ենք «ախտածին Escherichia coli վարակ »պրոտեոմային անալիզի միջոցով ԳԲ -ում հարստացումը: Նրա կապը ԳԲ -ի հետ ներկայումս անհայտ է: Հաշվի առնելով գեների ներգրավվածությունը բազմաթիվ կենսաբանական գործընթացներում, այս հարստացումը կարող է արտեֆակտ լինել: Այնուամենայնիվ, վերջին ուսումնասիրությունները կարևորում են միկրոբիոտայի դերը ստամոքսի և կրծքի քաղցկեղի զարգացման մեջ և կարող են ներկա լինել ԳԲ -ում [25, 26]: Այս դիտարկմանը պատասխանելու համար անհրաժեշտ են լրացուցիչ ուսումնասիրություններ:

Չնայած NEFL- ը, SYN1- ը և տասներկու կենսաբանական գործընթացները ընդհանուր էին երկու օմիկական վերլուծությունների միջև, դրանք ցույց չտվեցին նույն կարգաբերումը (բացառությամբ «կենսաբանական որակի կարգավորման» գործընթացի). վերլուծությունը ցույց է տվել, որ դրանք չափազանցված են։ Այս տեսակի զույգ տվյալների հավաքածուների անհամապատասխանություններն արդեն նկարագրված են [21, 25, 26], կան մի քանի հնարավոր բացատրություններ, ներառյալ mRNA- ների թարգմանությունը, որոնք կարգավորվում են ՌՆԹ-ի հետ կապող սպիտակուցներով և/կամ miRNA- ի նվազեցում, որն ուղղված է այդ mRNA- ներին: Բացի այդ, mRNA- ների կես կյանքը շատ ավելի կարճ է, քան սպիտակուցներինը և սպիտակուցների կայունությունը կարող է ազդել հետթարգմանական փոփոխություններից, ինչպիսիք են ֆոսֆորիլացիան, ացետիլացիան և գլիկոզիլացիան [21, 27,28,29]: Նկատի ունեցեք, որ ԳԲ այլ հիվանդների ավելի շատ TZ/PBZ նմուշների վրա Western blot- ի վերլուծությունը հաստատեց NEFL- ի և SYN1- ի դեգրեգացիան սպիտակուցների մակարդակում, սակայն շատ դեպքերում այդ սպիտակուցների թերարտահայտումը նկատվել է TZ- ում `տրանսկրիպոտիկոմիական տվյալներին համապատասխան: Այս արդյունքը շեշտում է հիվանդների մեծ խումբ ունենալու կարևորությունը `ընդհանուր տրանսկրիպոտիկ և պրոտեոմիական տվյալների սխալ մեկնաբանությունը սահմանափակելու համար:

Տրանսկրիպտոմի և պրոտեոմի տվյալների միջև ցածր հարաբերակցությունը նոր չէ և սահմանափակված չէ քաղցկեղի հյուսվածքով [28,29,30,31,32,33]: Օրինակ, թոքերի ադենոկարցինոմայի mRNA- ների և սպիտակուցների միջև հարաբերակցությունը միայն 17% -ով է հայտնաբերվել [28, 34] շագանակագեղձի քաղցկեղի դեպքում, գենի արտահայտման և սպիտակուցի մակարդակների միջև հարաբերակցությունը նույնպես աղքատից մինչև չափավոր է [35]: Սոնգ և այլք: [36] իրականացրել է ութ ԳԲ-ների և դրանց զուգակցված նորմալ ուղեղի հյուսվածքների պրոտեոմային պրոֆիլավորում և այնուհետև գնահատել է համընկնումը ՌՆԹ գենային արտահայտման պրոֆիլավորման հետ՝ GEO և TCGA GB-ների տվյալների հավաքածուներից: Նրանք հայտնաբերել են միայն 2% հարաբերակցություն դիֆերենցիալ արտահայտված սպիտակուցների և միկրոզանգվածի գեների միջև: Մեր ուսումնասիրության մեջ նկատված տրանսկրիպտոմի և պրոտեոմի տվյալների միջև ցածր համընկնումը կարող է բացատրվել վերը նկարագրված ընդհանուր կենսաբանական երևույթներով, ինչպես նաև վերլուծական կողմնակալությամբ և ԳԲ-ի հատուկ փոփոխություններով (նկ. 2): Վերլուծական առումով վերլուծության տեխնիկայի ընտրությունը վճռորոշ նշանակություն ունի օմիկական ուսումնասիրությունների մեջ և ուղղակիորեն ազդում է ինչպես տվյալների տվյալների հավաքածուների արդյունքների, այնպես էլ դրանց իրագործման վրա [37, 38]: ՌՆԹ միկրոզանգի տեխնիկան ամենատարածված մեթոդներն են, որոնք թույլ են տալիս mRNA- ների արագ և ճշգրիտ նույնականացում [39], սակայն միկրոզանգվածային չիպի վրա զոնդերի քանակը սահմանափակում է mRNA- ի հայտնաբերման աստիճանը և զոնդերի հավաքածուի նույնականացումը mRNA- ի նույնականացման սխալի աղբյուր է [40 ]։ Պրոտեոմային վերլուծության համար այստեղ օգտագործվող ICPL մեթոդը թույլ է տալիս գնահատել սպիտակուցի մակարդակը, սակայն վերլուծվում է առատ սպիտակուցներին համապատասխանող պրոտեոմի միայն մի մասը [24]: Ավելին, մեկ վերլուծության ժամանակ հայտնաբերված սպիտակուցների միայն 60%-ն է քանակականացվել: Մեկ այլ խնդիր է, որ հարաբերակցության գործակիցները ասոցիացիաների չափման կոպիտ մեթոդ են: Օրինակ, նրանք հաշվի չեն առնում փոխազդեցությունները: Այնուամենայնիվ, քանի որ մեր վերլուծությունը հիմնված է ընդամենը հինգ նմուշների վրա, իմաստալից չէ կիրառել ավելի առաջադեմ վիճակագրական մեթոդներ: Ավելին, քան այս վերլուծական կողմնակալությունները, ԳԲ ուռուցքային հյուսվածքն ունի մի քանի հատուկ հատկություններ, որոնք կարող են ազդել տրանսկրիպտոմի և պրոտեոմայի տվյալների համեմատության վրա: ԳԲ-ն ըստ սահմանման միջ- և ներհետերոգեն ուռուցք է, ինչը բարդացնում է երկու տարբեր անալիզների համեմատությունը: Միջերկրասեռությունը լավ սահմանված է TZ- ի մակարդակով `մի քանի GB ենթատեսակների նույնականացման միջոցով: Վերջերս մենք նկարագրեցինք, որ այս միջտարասեռությունը առկա էր նաև PBZ-ի մակարդակում [15, 18,19,20]: Մենք հայտնաբերեցինք երկու արտաուռուցքային միկրոմիջավայրեր, որոնք կարող են հանդիպել ԳԲ հիվանդների PBZ-ում. արտաուռուցքային միկրոմիջավայր, որը պարունակում է GB-ի հետ կապված ստրոմալ բջիջներ (GASCs) պրոքաղցկեղային հատկություններով, և մյուսը, որը պարունակում է GASCs առանց նման հատկությունների [20]: Քանի որ այս բջիջները կարող են ունենալ իրենց հատուկ ստորագրությունները, սա բարդության մի մակարդակ է ավելացնում ՝ տրանս-տիպի և պրոտեոմային տվյալների միջև միջանձնային համեմատություն անցկացնելու համար: Ավելին, հայելու նմուշների օգտագործումը տրանսկրիպտոմային և պրոտեոմային անալիզներ կատարելու համար չի երաշխավորում, որ երկու նմուշները նույնական են ԳԲ-ի ներհամակարգայինության պատճառով [15, 22]: Մեր նախորդ ուսումնասիրություններում [16, 31], մենք հաստատեցինք այս ներուռուցքային տարասեռությունը տրանսկրիպտոմիկ և պրոտեոմիկ մակարդակներում՝ համեմատելով ԳԲ-ի չորս շրջանները (նեկրոտիկ գոտի, TZ, ուռուցքի և պարենխիմայի և PBZ-ի միջերեսային գոտի): Պրոտեոմիկ անալիզը ստեղծեց սպիտակուցների հատուկ շտեմարան, որի համար գերարտահայտման գրադիենտ նկատվեց ԳԲ-ի ծայրամասից մինչև միջուկ [31]: Տրանսկրիպտոմի մակարդակում մենք նկատեցինք, որ մոլեկուլային տարասեռությունը շատ ավելի կարևոր էր ուռուցքների ներսում, քան հիվանդների միջև [16, 41]: GB- ի այս ներերկրային տարասեռության մոլեկուլային սահմանումը դեռ թերի է, բայց տվյալները արագորեն աճում են: Օրինակ, Nobusawa et al. [42] Դիտարկվել են բազմաթիվ ուռուցքների տարածքի հատուկ գենոմային անհավասարակշռություններ, և մեր նախորդ ուսումնասիրությունը, ինչպես մյուսները, հաղորդել է ԳԲ-ներում ներերակային ներերակային մոլեկուլային ենթատեսակի հետերոգենության մասին [7, 16, 43]: Այլ ուսումնասիրություններ ցույց տվեցին, որ RTK ուժեղացումներն, ինչպես նաև MGMT կարգավիճակը հետերոգեն կերպով բաշխված են ԳԲ -ով [44,45,46]: Բոլորովին վերջերս, հաջորդ սերնդի հաջորդականացման տեխնիկան կարողացավ ընդգծել այս ներերկրային տարասեռությունը, բացահայտել ԳԲ բջիջների տարբեր կլոնային պոպուլյացիան և հասկանալ դրանց դերը կրկնության մեջ [47, 48]:

Պոտենցիալ կողմնակալության ամփոփում ՝ տրանսկրիպտոմային և պրոտեոմային տվյալները համեմատելիս: Այս նկարը ամփոփում է տարբեր մեխանիզմներ, որոնք կարող են փոխել թարգմանությունը և հանգեցնել տրանսկրիպտոմի և պրոտեոմի միջև տարբերությունների (Kozak հաջորդականություն. թարգմանության մեկնարկային հաջորդականություն, որը գտնվում է անիմաստ ընթերցված mRNA-ի վրա. mRNA-ի սխալ ընթերցում հակառակ ուղղությամբ 3'-ից մինչև 5 )

Հետաքրքիր է, որ TFBS- ների որոնումը բաց ընթերցման շրջանակներից, որոնք ծածկագրում են կարգավորված սպիտակուցները, որոնք կարող են բացատրել դրանց արտահայտման մակարդակի փոփոխությունը, բացահայտեց TOPORS- ի ընդհանուր պարտադիր վայրը: Մենք դիտեցինք Western blot- ի վերլուծության միջոցով TOPORS- ի արտահայտությունը 7/11 TZ նմուշներում, մինչդեռ PBZ- ում ոչ մի արտահայտություն չի հաստատվել: Մարդու սպիտակուցի ատլասի խորհրդատվությունը համահունչ է մեր տվյալներին, որտեղ ուղեղի հյուսվածքի համեմատ 5/11 գլիոմայի նմուշներում իմունոհիստոքիմիական վերլուծության միջոցով նկատվել է TOPORS- ի ավելի բարձր արտահայտում [49]: TOPORS-ը Մատանի մատի սպիտակուց է, որն ի սկզբանե ճանաչվել է որպես տոպոիզոմերազ I-կապող սպիտակուց և որպես p53 կապող սպիտակուց: Pույց տրվեց, որ TOPORS- ը գործում է ինչպես ubiquitin- ի, այնպես էլ SUMO E3 լիգազի համար p53- ի համար [50, 51]: Դրա գերարտահայտումը հանգեցնում է պրոթեզոմից կախված p53-ի նվազմանը [50]: Մարդու TOPORS-ը գտնվում է 9p21 քրոմոսոմում, մի շրջան, որը հաճախ փոփոխվում է մի քանի տարբեր չարորակ նորագոյացություններում, որոնցից GBs [52]: Որոշ բացահայտումներ ենթադրում են, որ TOPORS-ը կարող է գործել որպես ուռուցքը ճնշող [53, 54] հետագա ուսումնասիրություններ են անհրաժեշտ՝ հստակեցնելու ճշգրիտ կլինիկական նշանակությունը, ինչպես նաև TOPORS-ի արտահայտման ճշգրիտ կենսաբանական գործառույթը ԳԲ-ներում:


Եզրակացություն

Մենք հաջողությամբ կիրառել ենք ցանցի վրա հիմնված մեթոդներ ՝ տարբեր ծագման և չափի հիվանդությունների երկու հստակ բարձր թողունակությամբ տվյալների հավաքածուներ ընդգրկելու և ուսումնասիրելու համար: Ընդհանուր կարգավորիչ մեքենաների նույնականացման միջոցով, որոնք, ամենայն հավանականությամբ, կարող են առաջացնել գեների և սպիտակուցների գերարտահայտում, մենք հասանք ազդանշանային ուղիների, որոնք կարող են նպաստել սսորիատիկ վնասվածքների կարգավորիչ ցանցի փոփոխված վիճակին: Մեր մոտեցումը թույլ է տալիս տվյալների տարբեր տեսակների հեշտ ինտեգրացիոն ուսումնասիրություն և տալիս է կենսաբանական իմաստալից արդյունքներ՝ հանգեցնելով թերապիայի նոր հնարավոր թիրախների: Մենք ցույց տվեցինք, որ պաթոլոգիան կարող է առաջանալ և պահպանվել մեծ քանակությամբ տարբեր կասկադներով, որոնցից շատերը նախկինում նկարագրված չէին որպես պսորիազի հետևանքով, ուստի մի քանի ուղիների թիրախավորված համակցված բուժումները կարող են արդյունավետ լինել բուժման մեջ:


ՄԵԹՈԴՆԵՐ հոդված

Somtirtha Roy 1,2 †, Տիյանա Ռադիվոևիչ 1,2,3 †, Մարկ Ֆորեր 2,3,4, Խոսե Մանուել Մարտի 1,2,3, Վամշի onոնալագադդա 1,2, Թայլեր Բեքման 1,3, Ուիլյամ Մորել 2,3,4, Հեկտոր Պլահար 1,2, Onունհուն Քիմ 3,5, Նաթան Հիլսոն 1,2,3 և Հեկտոր Գարսիա Մարտին 1,2,3,6 *
  • 1 Lawrence Berkeley National Laboratory, Biological Systems and Engineering Division, Berkeley, CA, Միացյալ Նահանգներ
  • 2 Էներգետիկայի վարչություն, Agile BioFoundry, Emeryville, CA, Միացյալ Նահանգներ
  • 3 Joint BioEnergy Institute, Emeryville, CA, Միացյալ Նահանգներ
  • 4 Sandia National Laboratories, Biomaterials and Bioman Manufacturing, Livermore, CA, United States
  • 5 Քիմիական և կենսաբանական գործընթացների զարգացման խումբ, Pacific Northwest National Laboratory, Richland, WA, United States
  • 6 BCAM, Կիրառական մաթեմատիկայի բասկերի կենտրոն, Բիլբաո, Իսպանիա

Կենսաբանությունը արմատապես փոխվել է վերջին երկու տասնամյակների ընթացքում ՝ վերածվելով զուտ նկարագրական գիտության ՝ դառնալով նաև դիզայներական գիտության: Գործիքների առկայությունը, որոնք հնարավորություն են տալիս ճշգրիտ փոփոխել բջիջները, ինչպես նաև մեծ քանակությամբ բազմամոդալ տվյալներ հավաքելու ունակությունը, բացում են վառելիք, մասնագիտացված և ապրանքային քիմիական նյութեր, նյութեր և վերականգնվող այլ բիոարտադրություններ արտադրելու բարդ բիոտեխնիկայի հնարավորություն: Այնուամենայնիվ, չնայած նոր գործիքներին և տվյալների ծավալների էքսպոնենցիալ աճին, սինթետիկ կենսաբանությունը դեռ չի կարող իրականացնել իր իրական ներուժը կենսաբանական համակարգերի վարքագիծը կանխատեսելու մեր անկարողության պատճառով: Այստեղ մենք ցուցադրում ենք մի շարք հաշվողական գործիքներ, որոնք համակցված ապահովում են բազմահաղորդակցության տվյալների պահեստավորման, արտացոլման և գործի դնելու հնարավորությունը `կանխատեսելու կենսաինժեներական ջանքերի արդյունքը: Մենք ցույց ենք տալիս, թե ինչպես կարելի է վերբեռնել, արտացոլել և արտածել բազմաֆունկցիոնալ տվյալներ, ինչպես նաև տեղեկատվության լարում, առցանց պահոցներում ՝ իզոպրենոլ արտադրող մի քանի շտամների նախագծման համար: Այնուհետև մենք օգտագործում ենք այս տվյալները մեքենայական ուսուցման ալգորիթմներ պատրաստելու համար, որոնք խորհուրդ են տալիս շտամների նոր ձևեր, որոնք ճիշտ կանխատեսվում են, որ կբարելավեն իզոպրենոլի արտադրությունը 23%-ով: Այս ցուցադրումը կատարվում է սինթետիկ տվյալների օգտագործմամբ, ինչպես տրամադրված է նոր գրադարանից, որը կարող է արտադրել հավաստի բազմաֆունկցիոնալ տվյալներ `ալգորիթմների և հաշվարկային գործիքների փորձարկման համար: Կարճ ասած, այս փաստաթուղթը տրամադրում է քայլ առ քայլ ձեռնարկ՝ օգտագործելու այս հաշվողական գործիքները՝ բիոինժեներական շտամներում արտադրությունը բարելավելու համար:


Պատկանելություններ

Լեյբնիցի բույսերի գենետիկայի և մշակաբույսերի հետազոտությունների ինստիտուտ (IPK), Corrensstr. 3, Stadt Seeland, 06466

Քրիստիան Քոլմզի, Մարտին Մասչեր, Տոբիաս Չաուդերնա, Անյա Հարթման, Ֆալկ Շրայբեր և Ուվե Շոլց

Էրլանգեն-Նյուրնբերգի Ֆրիդրիխ-Ալեքսանդր համալսարանի կենսաբանության ամբիոն, Ստաուդտստր. 5, Էրլանգեն, 91054, Գերմանիա

Ուրտե Շլյոթեր, Ֆրեդերիկ Բորնկե և Ուվե Սոնեվալդ

Քյոլնի համալսարան, Բուսաբանական ինստիտուտ, Albertus-Magnus-Platz, Köln, 50923, Գերմանիա

Նինա ellerելերհոֆ, essեսիկա Շմից և Մարսել Բուխեր

Բույսերի կենսաքիմիա, Heinrich-Heine-University, Universitätsstr. 1, Դյուսելդորֆ, 40225, Գերմանիա

Andrea Bräutigam, Thea R Pick & amp Andreas PM Weber

Բույսերի գիտության միջազգային ավարտական ​​ծրագիր (iGrad-plant), Հենրիխ Հայնեի համալսարան Դյուսելդորֆ, Դյուսելդորֆ, 40225, Գերմանիա

Բջիջների կենսաբանություն և բույսերի կենսաքիմիա, Ռեգենսբուրգի համալսարան, Universitätsstr. 31, Ռեգենսբուրգ, 93040, Գերմանիա

Ֆիլիպ Ալտեր, Մանֆրեդ Գարց և Թոմաս Դերսելհաուս

Մոլեկուլային ֆիզիոլոգիայի ամբիոն, Մաքս Պլանկի մոլեկուլային բույսերի ֆիզիոլոգիայի ինստիտուտ, Am Mühlenberg 1, Potsdam-Golm, 14476, Գերմանիա

Սանդրա Ուիթ և Ալիսդեյր Ռ Ֆերնի

metanomics GmbH, Tegeler Weg 33, Բեռլին, 10589, Գերմանիա

Մարտին Լյութերի համալսարան Halle-Wittenberg, Computer Science Institute, Von-Seckendorff-Platz 1, Halle, 06120, Գերմանիա


Եզրակացություններ

Մենք մշակել ենք մեկ սեղմումով վեբ գործիք՝ բազմաօմիկական տվյալների արագ վերլուծության և արտացոլման համար: 3Omics-ը ինտեգրում է տրանսկրիպտոմիկա, պրոտեոմիկա և մետաբոլոմիկա տվյալների հավաքածուներ համակցված կամ որպես առանձին omics տվյալների հավաքածուներ: Multi-omics տվյալների շտեմարանների ինտեգրման, վերլուծության և վիզուալիզացիայի համար մենք ներառել ենք հինգ ընդհանուր հատկանիշ՝ մուտքային մոլեկուլներից տեղեկատվությունը ներկայացնելու համար՝ հարաբերակցություն և համարտահայտման վերլուծություն՝ մուտքային մոլեկուլների միջև փոխհարաբերությունները ցուցադրելու համար GO-ի վրա հիմնված հարստացման վերլուծություն՝ կենսաբանական իրադարձությունների, մոլեկուլային իրադարձությունների վերաբերյալ տեղեկատվություն տրամադրելու համար: ֆունկցիաները և սղագրությունների և սպիտակուցների ֆենոտիպիկ անալիզի բջջային տեղայնացումը `ենթագրերի և ուղիների հարստացման անալիզի հարակից ֆենոտիպերը բացահայտելու համար` նորմալ ռեժիմում ընդգրկված քարտեզագրված KEGG/HumanCyc ուղիները և հարստացման ռեժիմում հարստացված ուղիները ծածկելու համար: 1-ին և 2-րդ դեպքերի ուսումնասիրություններից 3Omics- ի վերլուծությունների արդյունքները համահունչ են սկզբնական զեկույցներին, որոնք հիմնված են միջմիջուկային և ներօոմիկական տվյալների հավաքածուների վրա: Ավելին, հնարավոր մեխանիզմներն ու կենսաբանական գործառույթները տրամադրվում են առանց ձեռքի խմբագրման 3Omics- ում: 3Omics- ը ներառում է գոյություն ունեցող ծրագրաշարի ֆունկցիոնալությունը մեկ ծրագրաշարի մեջ, դրանով իսկ պարզեցնելով տվյալների վերլուծությունը և հնարավորություն տալով օգտվողներին կատարել մեկ կտտոցով ինտեգրված վերլուծություն:


Դիտեք տեսանյութը: Первые слова для малыша в картинках, Учим слова для детей 1-3 года. Обучающее видео для детей (Դեկտեմբեր 2021).