چکیده
پیشینه: رسیدگی به مقدار وسیع داده‌های تظاهر ژنی تولیدشده توسط روش‌های نمای نسخه‌برداری ژنوم، یک کار چالش‌برانگیز است که نیازمند ترکیبی آگاه از روش‌های پیش‌پردازش، فیلتراسیون و تحلیل دارد اگر که قرار باشد نتایج زیست‌شناختی معناداری حاصل شود. برای مثال، طیفی از آمار سنتی و رویکردهای تحلیل مسیر محاسبه‌ای برای شناسایی فرایندهای بسیار ارائه‌شده در داده‌های ریزآرایه به‌دست‌آمده از حالت‌های مختلف بیماری استفاده‌شده است. اگرچه، اکثر این رویکردها تمایلی در بهره‌برداری از کل طیف داده تظاهر ژنی یا روابط مختلف و وابستگی‌ها ندارند. قبلاً، ما ابزار تحلیل غنی‌سازی مسیر را در MATLAB که یک امتیاز نظم مسیر (PRS) را با در نظر گرفتن علامت‌دهی توپولوژی مسیر و بیش نمایندگی و بزرگی ژن‌هایی که به‌طور متفاوتی ظاهرشده‌اند به دست می‌دهد. در اینجا، این رویکرد را برای شامل شدن مسیر متابولیک گسترش دادیم و استفاده از رابط کاربر گرافیکی (GUI) را توصیف کردیم.
نتایج: با استفاده از تعدادی از جایگاه‌های ریزآرایه و گونه‌ها، مصرف‌کنندگان قادرند تا امتیازات PRS را به همراه امتیاز z مطابق برای مقایسه محاسبه کنند. ارزیابی بیشتر اهمیت مسیر ممکن است برای افزایش اعتماد به مسیرهای به‌دست‌آمده انجام شود و مصرف‌کنندگان می‌توانند دایره المعارف Kyoto نمودارهای مسیر ژن و ژنوم را که برای تأکید بر ژن‌های نهفته علامت‌گذاری شده است، ببینند.
نتیجه‌گیری: ابزار PRS، فیلتری برای منزوی‌سازی بینش‌های زیستی از داده‌های نسخه‌برداری‌شده پیچیده ارائه می‌کند.
پیشینه
به‌طور فزاینده‌ای، روش‌های نمای نسخه‌برداری با بازده بالا (ریزآرایه‌ها یا به‌طور فزاینده‌ای، دنباله‌های RNA) تحقیقات علوم حیاتی مدرن را شکل می‌دهد. چنین روش‌هایی، یک دوربین مولکولی فراهم می‌کند که تصاویری از سراسر ژنوم فعالیت ژنتیکی می‌گیرد. اگرچه، داده‌های تحلیل مؤثر ریزآرایه‌ها، چالش‌هایی را مخصوصاً در رسیدگی به تعداد زیادی از ژن‌هایی که به‌طور هم‌زمان مطالعه می‌شوند ارائه می‌دهد.
تحلیل تظاهر ژن درزمینهٔ دانش برگزیده یا "تحلیل مسیر ناشی از پایه دانش" ازآنجایی‌که این مسئله باعث کاهش در فضای تحقیقاتی از هزارها ژن تا زیرمجموعه‌ای از فرایندهای زیست‌شناختی که برای تفسیر انسانی بیشتر مهار شدنی‌تر است ضروری است [1]. طبق Khatri و همکارانش [2]، رویکردهای غنی‌سازی مسیر می‌تواند به سه نسل تقسیم‌بندی شود:
1- تحلیل بیش نمایندگی (ORA): این تحلیل یک مسیر را با در نظر گرفتن نسبت ژن‌هایی که به‌صورت متفاوت ظاهرشده (DEG) و در هر مسیر مربوط به نسبت تمام ریزآرایه‌های DEG مشاهده می‌شود، ثبت می‌کند. این تحلیل برای ابزارهای تحلیل مسیر متعددی من‌جمله GenMAPP [3], GoMiner [4], [5] Onto-Express and FatiGo [6] به کار می‌رود.
این مقاله در نشریه BMC منتشر شده و ترجمه آن با عنوان ابزاری از متلب در سایت ای ترجمه به صورت رایگان قابل دانلود می باشد. جهت دانلود رایگان مقاله فارسی و انگلیسی روی عنوان فارسی (آبی رنگ) کلیک نمایید.
منبع:
A MATLAB tool for pathway enrichment using a topology-based pathway regulation score
