Name: a web tool for generating high quality machine-readable biological pathways
Uploaded: 2017-02-08T12:30:00.000+00:00
Duration: 8 min 1 s
Description: Watch this Scientific Journal Video about A Web Tool for Generating High Quality Machine-readable Biological Pathways at JoVE.com

저자는 금융 지원, 건강 연구 (CIHR)와 게놈 앨버타, 게놈 캐나다의 한 부문의 캐나다 연구소 감사하고 싶습니다.

<ol>
	<li>Michal, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=On+representation+of+metabolic+pathways.">On representation of metabolic pathways.</a> Biosystems. 47 (1-2), 1-7 (1998).</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>Karp, P., Riley, M., Paley, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+MetaCyc+Database.">The MetaCyc Database.</a> Nucleic Acids Res. 30 (1), 59-61 (2002).</li><li>Kelder, 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=WikiPathways:+building+research+communities+on+biological+pathways.">WikiPathways: building research communities on biological pathways.</a> Nucleic Acids Res. 40 (Database issue), D1301-D1307 (2011).</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>Karp, P. 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=Pathway+Tools+version+13.0:+integrated+software+for+pathway/genome+informatics+and+systems+biology.">Pathway Tools version 13.0: integrated software for pathway/genome informatics and systems biology.</a> Brief Bioinform. 11 (1), 40-79 (2010).</li><li>Van Iersel, M. P., 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=Presenting+and+exploring+biological+pathways+with+PathVisio.">Presenting and exploring biological pathways with PathVisio.</a> BMC Bioinformatics. 9, 399 (2008).</li><li>Demir, 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=The+BioPAX+community+standard+for+pathway+data+sharing.">The BioPAX community standard for pathway data sharing.</a> Nat. Biotechnol. 28 (9), 935-942 (2010).</li><li>Shannon, P., 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=Cytoscape:+A+Software+Environment+for+Integrated+Models+of+Biomolecular+Interaction+Networks.">Cytoscape: A Software Environment for Integrated Models of Biomolecular Interaction Networks.</a> Genome Res. 13 (11), 2498-2504 (2003).</li><li>Salomonis, 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=GenMAPP+2:+new+features+and+resources+for+pathway+analysis.">GenMAPP 2: new features and resources for pathway analysis.</a> BMC Bioinformatics. 8, 217 (2007).</li><li>Elliott, B., 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=PathCase:+pathways+database+system.">PathCase: pathways database system.</a> Bioinformatics. 24 (21), 2526-2533 (2008).</li><li>Hu, Z., 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=VisANT+3.0:+new+modules+for+pathway+visualization,+editing,+prediction+and+construction.">VisANT 3.0: new modules for pathway visualization, editing, prediction and construction.</a> Nucleic Acids Res. 35 (Web Server), W625-W632 (2007).</li><li>Jewison, 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=SMPDB+2.0:+Big+Improvements+to+the+Small+Molecule+Pathway+Database.">SMPDB 2.0: Big Improvements to the Small Molecule Pathway Database.</a> Nucleic Acids Res. 42 (D1), D478-D484 (2013).</li><li>Pon, 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=Pathways+with+PathWhiz.">Pathways with PathWhiz.</a> Nucleic Acids Res. 43 (W1), W552-W559 (2015).</li><li>Sajed, 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=ECMDB+2.0:+A+richer+resource+for+understanding+the+biochemistry+of+E.+coli.">ECMDB 2.0: A richer resource for understanding the biochemistry of E. coli.</a> Nucleic Acids Res. 44 (D1), D495-D501 (2015).</li><li>Wishart, D., Mandal, R., Stanislaus, A., Ramirez-Gaona, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Cancer+Metabolomics+and+the+Human+Metabolome+Database.">Cancer Metabolomics and the Human Metabolome Database.</a> Metabolites. 6 (1), 10 (2016).</li><li>Altschul, S. F., Gish, W., Miller, W., Myers, E. W., Lipman, D. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Basic+local+alignment+search+tool.">Basic local alignment search tool.</a> J. Mol. Biol. 215 (3), 403-410 (1990).</li><li>Le Novere, 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=The+Systems+Biology+Graphical+Notation.">The Systems Biology Graphical Notation.</a> Nat. Biotechnol. 27 (8), 735-741 (2009).</li><li>Hucka, 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=The+systems+biology+markup+language+(SBML):+a+medium+for+representation+and+exchange+of+biochemical+network+models.">The systems biology markup language (SBML): a medium for representation and exchange of biochemical network models.</a> Bioinformatics. 19 (4), 524-531 (2003).</li></ol>

저자는 공개 아무것도 없어.

간단한 대사 경로 (TCA 사이클)를 생성하기위한 여기에 설명 된 프로토콜은 종 머신 판독 생물학적 복잡한 경로를 다양하게 생성하도록 구성 될 수있다. 또한,이 프로토콜은 하나의 복제 또는 다른 사용자가 만든 기존의 경로를 전파 할 수있는 방법에 대해 설명합니다. 이러한 도구를 사용하여 경로를 구성하는 요소를 중첩하여 연결되어, 각각의 반응, 상호 작용, 반송 프로세스, 서브 경로의 반복 단계별 첨가를 필요로한다. 이 모든 퍼팅 함께 하나가 상당한 생물학적 상세하고 유용한 생물학적 컨텍스트를 제공 다채로운 시각적으로 기쁘게 경로 다이어그램을 만들 수 있습니다. 이 프로토콜에서 설명하는 단계는 상대적으로 간단하며, 그것은 경로도를 작성하는 데 걸리는 시간은 통로의 크기 및 복잡성에 따라 달라진다. 실제의 비트와 함께, 대부분의 개인들은 15-20 반응 이루어지는 고품질 경로도를 렌더링하거나을 처리 할약 15 분에 라 여러 세포 성분. 브랜드의 새로운 사용자는 유사한 크기와 복잡성의 경로를 생성하는 데 30 ~ 40 분까지 걸릴 수 있습니다. 통로를 생성하는 데 필요한 시간은 반응 / 렌더링해야 할 프로세스의 수와 거의 선형 적이다. 이 웹 기반 도구를 통해 높은 품질의 경로를 만드는 것은 품질과 세부 사항 소스 재료 (도서, 온라인 데이터베이스, 실험 데이터, 손으로 그린 ​​스케치에서 경로)와 경로 &quot;아티스트&quot;의 까다 로움에 따라 달라집니다. 이 섹션은 반응 요소 (반응물 / 제품, 효소, 가장자리, 이미지, 줌 박스, 라벨의 작성 및 편집을 설명하기 때문에 높은 품질의 경로 다이어그램, 섹션 1.11, 1.15 및 프로토콜의 1.20에 특히주의를 기울여야한다 생성하고자하는 사람들, 그리고 막). 최상의 경로 다이어그램 지능적 B 검색된 포함한 가능한 통로만큼 기존 정보를 표현한다 아말감ooks, 포스터, 신문, 온라인 데이터베이스. 높은 품질의 경로를 생성하는 또 다른 핵심은 신중하게 (섹션 프로토콜의 1.11를 통해) 반응을 작성하기 전에 반응의 정확성을 확인하는 중입니다. 각 종족에 대한 올바른 (이미 PathWhiz의 큰 데이터베이스에있는 많은의) 참여 시간과 반응물, 제품을 보장하기 위해 노력하고, 효소되어가는 것은 매우 중요하다. 이 반응의 셀룰러 위치 인식하고 올바른 생체 컨텍스트를 제공하기 위하여 주요 세포 또는 세포 내 성분을 포함하는 것이 중요하다. 이는 검사 및 UniProt 등의 온라인 데이터베이스를 통해 반응을 확증하여 수행 할 수 있습니다. 크게 오류를 줄일 생성되는 경로의 거친 손으로 그린 ​​스케치와 드로잉 또는 렌더링에 소요되는 전체 시간과 함께 손에 필요한 모든 정보를 가졌어요. 예상 할 수 있듯이, 더 크고 더 복잡한 경로는 partic을 렌더링하는 데 시간이 더 걸릴 것입니다ularly 원하는 요소와 프로세스는 PathWhiz 데이터베이스에없는 경우. 더 큰 경로로 작업하면 작업 사이의 긴 지연을 방지하기 위해, 세이브 설명서에 자동 저장 모드로 전환하는 것이 현명하다. 통로를 복제 할 때 발생 될 수있는 경로가 경로 내의 요소의 수에 따라 달라, 시간은 사용자가 기다리는 것이다. 대부분의 경로는 약 1 ~ 2 분에 복제 할 수 있습니다. 통로를 전파 할 때 PathWhiz은 BLAST (17) 순서가 종 사이의 동종 효소를 검색 하시나요 사용하기 때문에, 새로 전파 경로의 성공적인 렌더링, 두 종류가 얼마나 비슷한에 따라 달라집니다. BLAST는 효소의 더 많은 수에서 실행해야하므로 더 큰 경로는 전파 속도가 느려집니다. 크게 서로 다른 종 사이의 경로를 전파 (효모와 인간 사이에 말을)하려고하면 경로가 알려지지 않은 단백질의 숫자로 렌더링되는 발생합니다. 이 &quot;먼&quot;페이지ropagated 경로는 일반적으로 추가적인 수동 편집이 필요합니다. 때문에 경로 다이어그램과 통로에 가져 할 수있는 세부의 시각적 특성으로는 (&gt; 이십인치 또는&gt; 50cm) 합리적으로 대형 스크린이있는 컴퓨터와 좋은 인터넷 연결을 작동하는 것이 좋습니다 항상 (&gt; 5 Mbps의). 렌더링 또는 스크린 리프레쉬의 문제가 발생하는 경우, 사용자는 문제의 소량을 수행 할 수있다. 크고 복잡한 경로를 업데이트하는 데 시간이 너무 오래 걸리는 경우, 사용자는 페이지를 새로 고침 할 수 있습니다. 예상대로 경로가 전파되지 않는 경우, 사용자는 모든 요소가 제대로 표시되어 있는지 확인하기 위해 몇 가지 수동 편집을 수행 할 수 있습니다. 반응의 요소가 표시되지 않은 경우 또한,보다 구체적인 예를 들어, 사용자는 모든 요소 또는 효소가 적절하게 선택되고 가장자리가 숨겨지지 않습니다 있는지 확인 할 수 있습니다. 문제가 발생했을 경우 메인 헤더의 &#39;도움말&#39;링크가 유용 할 수있다. 튜토리얼입니다은 &quot;자습서&quot;탭 및 사용자 설명서에 따라 사용할 수는 &quot;사용 설명서&quot;탭에서 사용할 수 있습니다. 모두 자세히 도구의 많은 기능을 설명합니다. 가이드 나중에 같은 사용자가 경로를 고정 할 때 같은 특정 기능에 대한 잠재적 인 제한을 해결하거나 설명하는 데 사용 될 수 있으며, 사용자가 편집하고자하는. 이 프로토콜을 통해 첨부 된 도면에 제공된 예를 통해 강조된 바와 같이,이 도구는 모든 (또는 대부분의) 다른 경로 그리기 도구 (표 1 참조)에서 찾을 수없는 독특한 기능을 제공한다. 첫째, 완전히 웹 기반 완전히 플랫폼 독립적이다. 둘째, 또한 기계 판독 형식 (BioPAX, SBGN-ML (18), SBML 19 일 (PWM1)에 14)로 변환 할 수있는 여러 가지 빛깔, 생물학적으로 복잡한 시각적으로 기쁘게, 완전히 하이퍼 링크 경로 다이어그램의 렌더링 및 손쉬운 생성을 지원합니다. 셋째, 경로 다이어그램 장군이 도구에 의해 테드는, 검색, 열람을 선택하고 쉽게 온라인 데이터베이스 사용하기 쉬운 및보기 인터페이스를 통해 탐험 할 수 있습니다. 넷째, 웹 도구는 새로운 경로와 새 경로 요소의 공유와 발전을 장려 &quot;경로 크라우드 소싱 &#39;을 허용, 지역 사회 통로 기여를 지원하도록 설계되었습니다. 이 웹 기반 도구에 의해 생성 된 경로는 다양한 애플리케이션에 사용할 수 있습니다. 풍부한 상세한, 완전히 하이퍼 링크 경로는 쉽게 단백질 체학, 대사 체학 또는 시스템 생물학 응용 ​​프로그램에 대한 유기체 특정 데이터베이스에 통합 할 수 있습니다. 웹 기반 이미지를 통해 사용할 수있는 세부 사항은 종종 정적 이미지를 통해 또는 단일 교과서 또는 저널 페이지를 표시 할 수있는 것보다 훨씬 더 큰만큼 인터넷 접근 경로는, 교육 및 훈련 목적에 특히 유용합니다. 이 웹 기반 도구는 인쇄 및 게시에 대한 더 적합 경로 표현의 생성을 지원합니다.그 결과,이 웹 기반 도구에 의해 생성 된 많은 이미지 논문, 포스터, 슬라이드 프리젠 테이션에 표시됩니다. 이 웹 서버를 사용하여 생성 된 경로는 시스템 생물학 또는 대사 모델링 애플리케이션을위한 전산 분석에 직접 사용할 수에 대한 (예 : BioPAX 및 SBML 등) 텍스트 기반 데이터 교환 파일 형식으로 내보내기 경로가 있습니다. 추론을 종 사이의 경로를 허용 전파 특히 최근에 순서가 된 그 종 중, 생물학적 과정에 대해서 설명한다. 모든 기존 경로가 현재 PathWhiz에 존재하지만, 공공 경로 데이터베이스는 새로운 크라우드 소싱 경로 컬렉션의 출현을 선도, 성장을 계속하고 있습니다. 이 컬렉션은 그들이 희망을 갖고 자신의 고유 한 생물학 및 생화학의 깊은 이해로 이어질 것입니다, 새로운 종으로 쉽게 확장 할 수 없습니다.

생물학적 경로 다이어그램은 생명 과학자에 대한 청사진과 같다. 그들은 아마도 생물학적 과정과 유전자, 단백질 및 대사 산물의 문맥 연결을 묘사 가장 간결하고 유익한 노선이다. 이미지가 더욱 효율적으로 처리 종종 훨씬 더 용이 한 텍스트보다 인간이 이해되기 때문이다. 경로 다이어그램의 품질, 세부 사항, 및 콘텐츠는 상당히 다를 수 있습니다. 이러한 차이는 종종 경로의 의도 된 목적과 경로 아티스트의 능력에 따라 달라집니다. 이러한 벽 차트 또는 교과서 같은 교육 목적을 위해 생성 된 경로는 종종 전문 예술가들에 의해 만들어집니다. 결과적으로, 이러한 경로 다이어그램 더 시각적으로 만족스러운이며 대사 구조 전체 묘사, 세포 내 성분, 셀 구조, 조직 및 기관에 훨씬 더 생물학적 세부를 제공한다. 이러한 &quot;교과서&quot;표현은 종종 세부 사항을 포함논평. 한편, 인터넷 어플리케이션을 위해 설계된 경로 다이어그램은 종종 단순 기계 판독 &quot;배선&quot;도에 찬성 예술성과 시각적 풍요 로움을 희생해야합니다. 이 와이어 프레임도 더 쉽게 이미지 매핑 및 하이퍼 링크입니다. 단순화 된 경로 다이어그램은 KEGG 2, MetaCyc 3, Wikipathways 4, Reactome 5와 같은 인기있는 온라인 경로 데이터베이스에 대한 기초입니다. 컴퓨터 호환 경로 데이터베이스의 출현은 또한 컴퓨터 호환 통로 그리기 도구의 출현하게되었다. 즉, 하나는 전문 아티스트 또는 가능한 경로 다이어그램을 생성하는 전문 프로그래머가 될 필요는 없다. 예를 들어, BioCyc의 통로 도구 6 Wikipathway의 PathVisio 소프트웨어는 7 사용자가 자유롭게 생성하고 BioPAX 8 주 기계 판독 가능한 경로 수차 / 또는 HTML 형식입니다. 또한, 다른 독립 프리웨어 패키지의 수뿐만 아니라, 상업용 패키지 11 PathCase 같은 Cytoscape 9 GenMAPP (10)와 같은 다양한 기계 - 판독 와이어 프레임 경로의 생성을 지원하고, VisANT (12)가있다. 인터넷 통로 도면의 간소화는 주로 다수의 웹 브라우저와 웹 기반 렌더링 도구 검색된 과거의 한계에서 자랐다. 그러나, 웹 기술의 현저한 발전은 최근 몇 년 동안 이루어졌다. 다만 심미적으로 만족하고 교과서에서 볼 수있는만큼 생물학적으로 완전한 마찬가지로 화려 상호 작용, 인터넷 호환 경로 다이어그램을 생성 할 수있을 수 있다고 제안했다. 이 작품은 PathWhiz의 개발을 주도. PathWhiz 레일에 루비 (http://rubyonrails.org, 버전 4.2.0) 웹 framewor를 사용하여 구현 하였다개체 관계, 외부 참조, 설명 시각화 사양과 화학 구조를 포함하는 경로 데이터를 모두 관리 할 MySQL을 관계형 데이터베이스 (https://www.mysql.com 버전 5.1.50)을 포함 케이. 프런트 엔드 웹 클라이언트는 에디터의 프런트 엔드 웹 프레임 워크로 Backbone.js (http://backbonejs.org, 버전 1.0.0)과 함께 레일에 루비에 의해 제어된다. 원래 인간의 전용 작은 분자 통로 데이터베이스 (SMPDB) (13)의 큐 레이션을 위해 개발, PathWhiz (14)는 이후 다른 많은 생물에 대한 경로 생성을 지원하고 일반적인 경로 이미지와 지식 데이터베이스 역할을 확장되었습니다. 특히,이 웹 도구는 신진 대사, 단백질 상호 작용, 분자 신호, 생리 학적, 약물 / 질병 경로를 포함하는 생화학 적 / 생물학적 경로의 전체 범위를 만들 수 있습니다. 이 경로 그리기 도구는 대부분의 다른 다릅니다세 가지 주요 경로 생성 도구 : 1)이 아니라 독립형 설치 가능한 소프트웨어 패키지보다 웹 서버이고; 2)의 용이 한 생성 및 화학 물질, 단백질, 핵산, 세포막, 세포 내 구조, 조직 및 기관의 인터랙티브 시각화를 지원; 3) 그것은 사용자가 쉽게 빌릴하여 &quot;크라우드 소싱&quot;경로 생성을 가능하게 만들거나 다른 사용자의 작업을 개선 할 수 있습니다. 웹 서버로서, 다운로드 할 수있는, 특정 플랫폼 소프트웨어 툴에 비해 여러 가지 장점을 갖는다. 특히, 임의의 플랫폼, 운영 체제 및 최신 웹 브라우저와 호환된다. 또한, (사용자가 자유롭게 추적하고 자신이 만든 경로의 접근을 제어하기 위해 &quot;개인 계정&quot;을 만들 수 있지만) 통로 작성을 시작하기 위해 등록하는 사용자가 필요하지 않습니다. 아마도 이것은 공구의 가장 매력적인 기능에 쉽게 추가 할 수있는 생물학 및 생화학의 상세 정도이며미리 렌더링 된 이미지의 팔레트와 단백질과 생화학 데이터의 광범위한 데이터베이스를 통해 어떤 경로. 이것은 모두 &quot;비 예술가&quot;와 &quot;비 프로그래머가&quot;쉽게 웹 호환 완전히 기계가 읽을 수있는, 화려한 심미적으로 만족하고 풍부한 상세한 경로를 만들 수 있습니다. PathWhiz 다른 경로 그리기 도구 사이의보다 상세한 비교가 표 1에 제공된다. 인기 생명 과학 데이터베이스의 수는 이미 온라인, 상호 작용하는 경로 다이어그램을 데이터베이스 특정 만들려면이 경로 그리기 도구를 사용하고 있습니다. 예를 들어, 대장균 대사 체 데이터베이스 (ECMDB) (15)는 최근 웹 기반 도구를 사용하여 그린 이상 1,650 경로와 그 경로 라이브러리를 업데이트했습니다. ECMDB의 각 경로는 현재 세부 대사 산물과 단백질 구조 묘사와 풍부한 컬러, 완전히 하이퍼 링크 이미지 맵뿐만 아니라 단순화 된 검은 색과 흰색 KEGG-1로 표시됩니다이케 와이어도. 이는 대규모 통로 업데이트 이전에 다른 대장균 대사 데이터베이스에 포함되지 않은 다수의 중간 대사 물질의 발견을 이끌었다. 예를 들면 인간의 대사 체 데이터베이스 (HMDB) (15)와 같은 다른 데이터베이스,뿐만 아니라 묘사와 대사 및 신호 전달 경로를 설명하는 PathWhiz 경로에 의존뿐만 아니라, 암과 같은 질병에 관련된 대사 변화를 묘사. HMDB 현재이 웹 도구를 통해 생성 (101) 대사 경로, 376 약물의 작용 경로, (233) 질병 관련 경로 16 신호 전달 경로 모두를 포함한다. 다음 프로토콜 PathWhiz 쉽게 복제 생성하고, 목적 및 애플리케이션의 다양한 생화학 적 경로를 전파하는 방법을 상세하게 설명한다.

<table><tbody><tr><td>Computer with colour screen</td><td>N/A</td><td>N/A</td><td>&amp;nbsp;&gt;20 inches or &gt;50 cm</td></tr><tr><td>Internet connection&amp;nbsp;</td><td>N/A</td><td>N/A</td><td>&gt;5 mbps</td></tr><tr><td>Modern web browser&amp;nbsp;</td><td>N/A</td><td>N/A</td><td>Google Chrome (v. 31 and above), Internet Explorer (v. 9 and above), Safari (v. 7 and above), Opera (v. 15 and above) and Firefox (v. 23 and above)</td></tr></tbody></table>

a web tool for generating high quality machine-readable biological pathways

PathWhiz 생물학적 정보를 풍부 화려한, 상호 작용, 시각적으로 기쁘게 경로 다이어그램의 작성을 용이하게하기 위해 내장 된 웹 서버입니다. 이 온라인 응용 프로그램에 의해 생성 된 경로는 기계 판독과 본질적으로 모든 웹 브라우저와 컴퓨터 운영 시스템과 완벽하게 호환됩니다. 그것은 반응, 상호 작용, 운송 프로세스와 결합 이벤트를 묘사하는 선택 및 사전 그린 생물 학적 또는 생화학 적 실체의 다른 조합의 배치를 허용하는 특별히 개발, 웹 기반 경로 드로잉 인터페이스를 사용합니다. 엔티티이 팔레트는 화학 물질, 단백질, 핵산, 세포막, 세포 내 구조, 조직 및 기관 구성된다. 거기에 시각적 요소의 모든 상호 작용을 조정하고 사용자 정의 할 수 있습니다. 이 도구는 웹 서버이기 때문에 또한, 모든 경로 및 경로 요소들은 공개적으로 액세스 할 수있다. 경로의이 종류는 &quot;크라우드 소싱은&quot;그 PathWhiz을 의미이미 이전에 그려진 경로 및 경로 요소의 빠른 속도로 큰 성장 컬렉션이 포함되어 있습니다. 여기에서 우리는 새로운 경로의 빠르고 쉽게 생성 및 기존 경로의 변경을위한 프로토콜을 설명합니다. 또한 경로 편집 및 생성을 용이하게하기 위해, 도구는 복제 및 전파 기능이 포함되어 있습니다. 복제 기능은 기존의 경로를 만들거나 새로운 경로를 편집 할 수있는 템플릿으로 사용할 수 있습니다. 전파 기능은 하나의 기존 경로을 자동으로 다른 종에 걸쳐 그것을 전파 할 수 있습니다. 이 도구를 사용하여 만든 진학 할 수 있습니다 &quot;다시 스타일&quot;다른 형식 (KEGG 형 또는 텍스트 책 등) BioPAX, SBGN-ML, SBML, 또는 (PWM1)에 데이터 교환 형식으로 내 보낸 다른 배경, 색깔, 및로 다운로드로 PNG 또는 SVG 이미지. 경로 쉽게 프레 젠 테이션, 포스터 또는 간행물에 통합, 온라인 데이터베이스에 통합, 또는 온라인 시각화 및 탐색에만 사용 할 수 있습니다. 이 홍보otocol이 성공적으로 지금 HMDB, DrugBank, SMPDB 및 ECMDB 등 많은 온라인 데이터베이스에서 발견되는 2,000 경로 다이어그램을 생성하기 위해 적용되었습니다.

Watch this Scientific Journal Video about A Web Tool for Generating High Quality Machine-readable Biological Pathways at JoVE.com

A Web Tool for Generating High Quality Machine-readable Biological Pathways

PathWhiz는 생화학 적 및 생물학적 경로를 생성하기위한 포괄적 인 온라인 경로 그리기 도구입니다. 그것은 사전으로 그린 ​​경로의 구성 요소로 이루어진 공개적으로 액세스 할 수있는 데이터베이스와 쉽게 확장 팔레트를 사용합니다. 쉽게 새로운 경로를 구축 복제 및 기존 경로를 편집하고, 다른 생물로 이전에 그려진 경로를 전파하는 방법이 프로토콜은 설명합니다.

생성 고품질 기계 판독 가능한 생물 진학을위한 웹 도구

PathWhiz is a web server built to facilitate the creation of colorful, interactive, visually pleasing pathway diagrams that are rich in biological ...

a-web-tool-for-generating-high-quality-machine-readable-biological

Universidad San Sebastian

Research

JoVE Journal

Biology

17.4K 조회수.  University of Alberta.  PathWhiz는 생화학 적 및 생물학적 경로를 생성하기위한 포괄적 인 온라인 경로 그리기 도구입니다. 그것은 사전으로 그린 ​​경로의 구성 요소로 이루어진 공개적으로 액세스 할 수있는 데이터베이스와 쉽게 확장 팔레트를 사용합니다. 쉽게 새로운 경로를 구축 복제 및 기존 경로를 편집하고, 다른 생물로 이전에 그려진 경로를 전파하는 방법이 프로토콜은 ?...

비디오: A Web Tool for Generating High Quality Machine-readable Biological Pathways

Leveraging CyVerse Resources for De Novo Comparative Transcriptomics of Underserved (Non-model) Organisms

This workflow allows novice researchers to leverage advanced computational resources such as cloud computing to carry out pairwise comparative transcriptomics. It also serves as a primer for biologists to develop data scientist computational skills, e.g. executing bash commands, visualization and management of large data sets. All command line code and further explanations of each command or step can be found on the wiki (<a href="https://wiki.cyverse.org/wiki/x/dgGtAQ">https://wiki.cyverse.org/wiki/x/dgGtAQ</a>). The Discovery Environment and Atmosphere platforms are connected together through the CyVerse Data Store. As such, once the initial raw sequencing data has been uploaded there is no more need to transfer large data files over an Internet connection, minimizing the amount of time needed to conduct analyses. This protocol is designed to analyze only two experimental treatments or conditions. Differential gene expression analysis is conducted through pairwise comparisons, and will not be suitable to test multiple factors. This workflow is also designed to be manual rather than automated. Each step must be executed and investigated by the user, yielding a better understanding of data and analytical outputs, and therefore better results for the user. Once complete, this protocol will yield de novo assembled transcriptome(s) for underserved (non-model) organisms without the need to map to previously assembled reference genomes (which are usually not available in underserved organism). These de novo transcriptomes are further used in pairwise differential gene expression analysis to investigate genes differing between two experimental conditions. Differentially expressed genes are then functionally annotated to understand the genetic response organisms have to experimental conditions. In total, the data derived from this protocol is used to test hypotheses about biological responses of underserved organisms.

Leveraging CyVerse Resources for De Novo Comparative Transcriptomics of Underserved Non-model Organisms

This protocol outlines a comparative de novo transcriptome assembly and annotation workflow for novice bioinformaticians. The workflow is available for free entirely through CyVerse and connected by the Data Store. Command line and graphical user interfaces are used, but all code needed is available to copy and paste.

CyVerse 리소스 활용<em&gt; 드 노보</em&gt; 비포장 (비 모델) 생물의 비교 전이학

This workflow allows novice researchers to leverage advanced computational resources such as cloud computing to carry out pairwise comparative ...

연구

유전학

Sample Preparation and Analysis of RNASeq-based Gene Expression Data from Zebrafish

The analysis of global gene expression changes is a valuable tool for identifying novel pathways underlying observed phenotypes. The zebrafish is an excellent model for rapid assessment of whole transcriptome from whole animal or individual cell populations due to the ease of isolation of RNA from large numbers of animals. Here a protocol for global gene expression analysis in zebrafish embryos using RNA sequencing (RNASeq) is presented. We describe preparation of RNA from whole embryos or from cell populations obtained using cell sorting in transgenic animals. We also describe an approach for analysis of RNASeq data to identify enriched pathways and Gene Ontology (GO) terms in global gene expression data sets. Finally, we provide a protocol for validation of gene expression changes using quantitative reverse transcriptase PCR (qRT-PCR). These protocols can be used for comparative analysis of control and experimental sets of zebrafish to identify novel gene expression changes, and provide molecular insight into phenotypes of interest.

This protocol presents an approach for whole transcriptome analysis from zebrafish embryos, larvae, or sorted cells. We include isolation of RNA, pathway analysis of RNASeq data, and qRT-PCR-based validation of gene expression changes.

샘플 준비 및 제 브라에서 RNASeq 기반 유전자 표현 데이터의 분석

The analysis of global gene expression changes is a valuable tool for identifying novel pathways underlying observed phenotypes. The zebrafish is an ...

Selecting Multiple Biomarker Subsets with Similarly Effective Binary Classification Performances

Biomarker detection is one of the more important biomedical questions for high-throughput &#39;omics&#39; researchers, and almost all existing biomarker detection algorithms generate one biomarker subset with the optimized performance measurement for a given dataset. However, a recent study demonstrated the existence of multiple biomarker subsets with similarly effective or even identical classification performances. This protocol presents a simple and straightforward methodology for detecting biomarker subsets with binary classification performances, better than a user-defined cutoff. The protocol consists of data preparation and loading, baseline information summarization, parameter tuning, biomarker screening, result visualization and interpretation, biomarker gene annotations, and result and visualization exportation at publication quality. The proposed biomarker screening strategy is intuitive and demonstrates a general rule for developing biomarker detection algorithms. A user-friendly graphical user interface (GUI) was developed using the programming language Python, allowing biomedical researchers to have direct access to their results. The source code and manual of kSolutionVis can be downloaded from http://www.healthinformaticslab.org/supp/resources.php.

Existing algorithms generate one solution for a biomarker detection dataset. This protocol demonstrates the existence of multiple similarly effective solutions and presents a user-friendly software to help biomedical researchers investigate their datasets for the proposed challenge. Computer scientists may also provide this feature in their biomarker detection algorithms.

마찬가지로 효과적인 이진 분류 공연으로 여러 바이오 마커 하위 집합 선택

Biomarker detection is one of the more important biomedical questions for high-throughput &#39;omics&#39; researchers, and almost all existing biomarker ...

암 연구학

Navigating MARRVEL, a Web-Based Tool that Integrates Human Genomics and Model Organism Genetics Information

Through whole-exome/genome sequencing, human geneticists identify rare variants that segregate with disease phenotypes. To assess if a specific variant is pathogenic, one must query many databases to determine whether the gene of interest is linked to a genetic disease, whether the specific variant has been reported before, and what functional data is available in model organism databases that may provide clues about the gene&#8217;s function in human. MARRVEL (Model organism Aggregated Resources for Rare Variant ExpLoration) is a one-stop data collection tool for human genes and variants and their orthologous genes in seven model organisms including in mouse, rat, zebrafish, fruit fly, nematode worm, fission yeast, and budding yeast. In this Protocol, we provide an overview of what MARRVEL can be used for and discuss how different datasets can be used to assess whether a variant of unknown significance (VUS) in a known disease-causing gene or a variant in a gene of uncertain significance (GUS) may be pathogenic. This protocol will guide a user through searching multiple human databases simultaneously starting with a human gene with or without a variant of interest. We also discuss how to utilize data from OMIM, ExAC/gnomAD, ClinVar, Geno2MP, DGV and DECHIPHER. Moreover, we illustrate how to interpret a list of ortholog candidate genes, expression patterns, and GO terms in model organisms associated with each human gene. Furthermore, we discuss the value protein structural domain annotations provided and explain how to use the multiple species protein alignment feature to assess whether a variant of interest affects an evolutionarily conserved domain or amino acid. Finally, we will discuss three different use-cases of this website. MARRVEL is an easily accessible open access website designed for both clinical and basic researchers and serves as a starting point to design experiments for functional studies.

Here, we present a protocol to access and analyze many human and model organism databases efficiently. This protocol demonstrates the use of MARRVEL to analyze candidate disease-causing variants identified from next-generation sequencing efforts.

인간 유전체학 및 모델 유기체 유전학 정보를 통합하는 웹 기반 도구인 MARRVEL 탐색

Through whole-exome/genome sequencing, human geneticists identify rare variants that segregate with disease phenotypes. To assess if a specific variant is ...

A Pathway Association Study Tool for GWAS Analyses of Metabolic Pathway Information

Recently, a new implementation of a previously described method for interpreting genome-wide association study (GWAS) data using metabolic pathway analysis has been developed and released. The Pathway Association Study Tool (PAST) was developed to address concerns with user-friendliness and slow-running analyses. This new user-friendly tool has been released on Bioconductor and Github. In testing, PAST ran analyses in less than one hour that previously required twenty-four or more hours. In this article, we present the protocol for using either the Shiny application or the R console to run PAST.

By running the Pathway Association Study Tool (PAST), either through the Shiny application or through the R console, researchers can gain a deeper understanding of the biological meaning of their genome-wide association study (GWAS) results by investigating the metabolic pathways involved.

신진 대사 경로 정보의 GWAS 분석을 위한 통로 협회 연구 도구

Recently, a new implementation of a previously described method for interpreting genome-wide association study (GWAS) data using metabolic pathway ...

<meta charset="utf8"></head><body>CUT&RUN 데이터 분석을 위한 초보자 친화적인 단일 언어 파이프라인

Introductory Analysis and Validation of CUT&#38;RUN Sequencing Data

The CUT&amp;RUN technique facilitates detection of protein-DNA interactions across the genome. Typical applications of CUT&amp;RUN include profiling changes in histone tail modifications or mapping transcription factor chromatin occupancy. Widespread adoption of CUT&amp;RUN is driven, in part, by technical advantages over conventional ChIP-seq that include lower cell input requirements, lower sequencing depth requirements, and increased sensitivity with reduced background signal due to a lack of cross-linking agents that otherwise mask antibody epitopes. Widespread adoption of CUT&amp;RUN has also been achieved through the generous sharing of reagents by the Henikoff lab and the development of commercial kits to accelerate adoption for beginners. As technical adoption of CUT&amp;RUN increases, CUT&amp;RUN sequencing analysis and validation become critical bottlenecks that must be surmounted to enable complete adoption by predominantly wet lab teams. CUT&amp;RUN analysis typically begins with quality control checks on raw sequencing reads to assess sequencing depth, read quality, and potential biases. Reads are then aligned to a reference genome sequence assembly, and several bioinformatics tools are subsequently employed to annotate genomic regions of protein enrichment, confirm data interpretability, and draw biological conclusions. Although multiple in silico analysis pipelines have been developed to support CUT&amp;RUN data analysis, their complex multi-module structure and usage of multiple programming languages render the platforms difficult for bioinformatics beginners who may lack familiarity with multiple programming languages but wish to understand the CUT&amp;RUN analysis procedure and customize their analysis pipelines. Here, we provide a single-language step-by-step CUT&amp;RUN analysis pipeline protocol designed for users with any level of bioinformatics experience. This protocol includes completing critical quality checks to validate that the sequencing data is suitable for biological interpretation. We expect that following the introductory protocol provided in this article combined with downstream peak annotation will allow users to draw biological insights from their own CUT&amp;RUN datasets.

<meta charset="utf8"></head><body>저자 스포트라이트: Investigating the Role of Repetitive DNA Misregulation in Cancer Initiation and Immunotherapy Resistance (암 시작 및 면역요법 내성에서 반복적인 DNA 오조절의 역할 조사)

This protocol guides bioinformatics beginners through an introductory CUT&amp;RUN analysis pipeline that enables users to complete an initial analysis and validation of CUT&amp;RUN sequencing data. Completing the analysis steps described here, combined with downstream peak annotation, will allow users to draw mechanistic insights into chromatin regulation.

CUT&#38;RUN 염기서열분석 데이터의 입문 분석 및 검증

The CUT&amp;RUN technique facilitates detection of protein-DNA interactions across the genome. Typical applications of CUT&amp;RUN include profiling ...

Pipeline for Analyzing Microarray Data in Esophageal Cancer Research

Development of Compendium for Esophageal Squamous Cell Carcinoma

Esophageal cancer (EC) ranks as the 8th most aggressive malignancy, and its treatment remains challenging due to the lack of biomarkers facilitating early detection. EC manifests in two major histological forms - adenocarcinoma (EAD) and squamous cell carcinoma (ESCC) - both exhibiting variations in incidence across geographically distinct populations. High-throughput technologies are transforming the understanding of diseases, including cancer. A significant challenge for the scientific community is dealing with scattered data in the literature. To address this, a simple pipeline is proposed for the analysis of publicly available microarray datasets and the collection of differentially regulated molecules between cancer and normal conditions. The pipeline can serve as a standard approach for differential gene expression analysis, identifying genes differentially expressed between cancer and normal tissues or among different cancer subtypes. The pipeline involves several steps, including Data preprocessing (involving quality control and normalization of raw gene expression data to remove technical variations between samples), Differential expression analysis (identifying genes differentially expressed between two or more groups of samples using statistical tests such as t-tests, ANOVA, or linear models), Functional analysis (using bioinformatics tools to identify enriched biological pathways and functions in differentially expressed genes), and Validation (involving validation using independent datasets or experimental methods such as qPCR or immunohistochemistry). Using this pipeline, a collection of differentially expressed molecules (DEMs) can be generated for any type of cancer, including esophageal cancer. This compendium can be utilized to identify potential biomarkers and drug targets for cancer and enhance understanding of the molecular mechanisms underlying the disease. Additionally, population-specific screening of esophageal cancer using this pipeline will help identify specific drug targets for distinct populations, leading to personalized treatments for the disease.

This protocol describes a useful tool for identifying significant molecular changes in cancer and leads to the development of new diagnostic and therapeutic approaches for esophageal squamous cell carcinoma.

Esophageal cancer (EC) ranks as the 8th most aggressive malignancy, and its treatment remains challenging due to the lack of biomarkers facilitating early ...

A Knowledge Graph Approach to Elucidate the Role of Organellar Pathways in Disease via Biomedical Reports

The rapidly increasing and vast quantities of biomedical reports, each containing numerous entities and rich information, represent a rich resource for biomedical text-mining applications. These tools enable investigators to integrate, conceptualize, and translate these discoveries to uncover new insights into disease pathology and therapeutics. In this protocol, we present CaseOLAP LIFT, a new computational pipeline to investigate cellular components and their disease associations by extracting user-selected information from text datasets (e.g., biomedical literature). The software identifies sub-cellular proteins and their functional partners within disease-relevant documents. Additional disease-relevant documents are identified via the software's label imputation method. To contextualize the resulting protein-disease associations and to integrate information from multiple relevant biomedical resources, a knowledge graph is automatically constructed for further analyses. We present one use case with a corpus of ~34 million text documents downloaded online to provide an example of elucidating the role of mitochondrial proteins in distinct cardiovascular disease phenotypes using this method. Furthermore, a deep learning model was applied to the resulting knowledge graph to predict previously unreported relationships between proteins and disease, resulting in 1,583 associations with predicted probabilities &gt;0.90 and with an area under the receiver operating characteristic curve (AUROC) of 0.91 on the test set. This software features a highly customizable and automated workflow, with a broad scope of raw data available for analysis; therefore, using this method, protein-disease associations can be identified with enhanced reliability within a text corpus.

A Knowledge Graph Approach to Elucidate the Role of Organellar Pathways in Disease via Biomedical Reports

A computational protocol, CaseOLAP LIFT, and a use case are presented for investigating mitochondrial proteins and their associations with cardiovascular disease as described in biomedical reports. This protocol can be easily adapted to study user-selected cellular components and diseases.

생물의학 보고서를 통해 질병에서 세포 소기관 경로의 역할을 밝히기 위한 지식 그래프 접근 방식

The rapidly increasing and vast quantities of biomedical reports, each containing numerous entities and rich information, represent a rich resource for ...

생성 고품질 기계 판독 가능한 생물 진학을위한 웹 도구

요약

더 많은 비디오 탐색

이 비디오의 챕터

CyVerse 리소스 활용

샘플 준비 및 제 브라에서 RNASeq 기반 유전자 표현 데이터의 분석

마찬가지로 효과적인 이진 분류 공연으로 여러 바이오 마커 하위 집합 선택

인간 유전체학 및 모델 유기체 유전학 정보를 통합하는 웹 기반 도구인 MARRVEL 탐색

신진 대사 경로 정보의 GWAS 분석을 위한 통로 협회 연구 도구

CUT&RUN 염기서열분석 데이터의 입문 분석 및 검증

CUT&RUN 염기서열분석 데이터의 입문 분석 및 검증

CUT&RUN 염기서열분석 데이터의 입문 분석 및 검증

Development of Compendium for Esophageal Squamous Cell Carcinoma

생물의학 보고서를 통해 질병에서 세포 소기관 경로의 역할을 밝히기 위한 지식 그래프 접근 방식